【摘要】：交通流誘導(dǎo)是緩解城市交通擁堵問題的有效途徑,它可分為中心式誘導(dǎo)和分布式誘導(dǎo)。中心式誘導(dǎo)從交通管理者的角度出發(fā),以系統(tǒng)最優(yōu)為目標(biāo),以期達(dá)到路網(wǎng)整體運(yùn)營效率的最大化,但大規(guī)模的路網(wǎng)、海量的數(shù)據(jù)、復(fù)雜的計(jì)算使中心端和通信帶寬不堪重負(fù),難以滿足動態(tài)誘導(dǎo)實(shí)時性要求;分布式誘導(dǎo)從出行者的角度出發(fā),以用戶最優(yōu)為準(zhǔn)則,以期實(shí)現(xiàn)個體出行效益的最大化,然而當(dāng)一定數(shù)量出行者為躲避擁堵集中駛向當(dāng)前不擁擠路段時,往往又會誘發(fā)新的擁堵,產(chǎn)生擁擠轉(zhuǎn)移現(xiàn)象。因此,本文將兩者相結(jié)合,優(yōu)勢互補(bǔ),提出一種雙層路徑誘導(dǎo)策略。上層以誘導(dǎo)子區(qū)為基本單元進(jìn)行系統(tǒng)最優(yōu)動態(tài)交通分配,生成誘導(dǎo)子區(qū)級的出行序列;下層在限定的誘導(dǎo)子區(qū)范圍內(nèi)搜索并生成用戶最優(yōu)條件下的誘導(dǎo)路徑。該策略有效地彌補(bǔ)了中心式誘導(dǎo)和分布式誘導(dǎo)各自的不足,是完善交通流誘導(dǎo)系統(tǒng)的一種有益的嘗試。MFD理論作為研究路網(wǎng)宏觀交通特性的一種手段,貫穿全文的研究內(nèi)容,它既提供了一種分析、評價(jià)路網(wǎng)交通運(yùn)行水平的方法,又為本文雙層路徑誘導(dǎo)策略的提出奠定了理論基礎(chǔ)。本文的研究工作主要體現(xiàn)在:(1)通過變量的重新選取,構(gòu)建了一種表達(dá)路網(wǎng)運(yùn)行能力和運(yùn)行車輛數(shù)之間關(guān)系的MFD模型,分析了變量選取的合理性和實(shí)際意義,并基于浮動車數(shù)據(jù)提出了城市路網(wǎng)MFD的獲取方法。(2)確立了基于MFD的城市路網(wǎng)誘導(dǎo)子區(qū)劃分原則和依據(jù),提出一種多步驟劃分方法。該劃分方法結(jié)合了初始劃分和二次劃分,分別應(yīng)用特點(diǎn)不同的mean shift聚類算法和層次聚類算法實(shí)現(xiàn)其劃分過程。(3)提出一種基于MFD的城市路網(wǎng)雙層路徑誘導(dǎo)策略,它同時考慮了交通管理者和交通出行者的意愿,是中心式誘導(dǎo)和分布式誘導(dǎo)的結(jié)合,是系統(tǒng)最優(yōu)和用戶最優(yōu)的折中。在上層誘導(dǎo)中,基于MFD構(gòu)建誘導(dǎo)子區(qū)交通流動態(tài)演變模型,并提出誘導(dǎo)子區(qū)級系統(tǒng)最優(yōu)動態(tài)交通分配方法;在下層誘導(dǎo)中,通過求解用戶最優(yōu)路徑問題實(shí)現(xiàn)車輛路徑優(yōu)化。
[Abstract]:Traffic flow guidance is an effective way to alleviate urban traffic congestion. It can be divided into central guidance and distributed guidance. From the point of view of traffic manager, the central guidance aims at the optimization of the system, in order to maximize the overall operational efficiency of the network, but the massive network, the massive data, the complex calculation make the center end and the communication bandwidth unbearable. It is difficult to meet the real-time requirement of dynamic induction. However, when a certain number of travelers concentrate to avoid congestion to the current uncongested road, it will often induce new congestion, resulting in congestion transfer phenomenon. Therefore, a two-layer path guidance strategy is proposed by combining the two methods and complementing each other. The upper layer uses the inductive sub-region as the basic unit to carry out the optimal dynamic traffic assignment and generates the trip sequence at the induced sub-area level; the lower layer searches and generates the induced path under the user optimal condition in the limited induced sub-area. This strategy effectively makes up for the shortcomings of central guidance and distributed guidance. It is a useful attempt to improve the traffic flow guidance system. As a means of studying the macroscopic traffic characteristics of road network, this strategy runs through the research content of this paper. It not only provides an analysis method to evaluate the traffic operation level of the road network, but also lays a theoretical foundation for the two-layer route guidance strategy proposed in this paper. The main works of this paper are as follows: (1) through the re-selection of variables, a MFD model is constructed to express the relationship between the network running capacity and the number of running vehicles, and the rationality and practical significance of variable selection are analyzed. Based on the floating vehicle data, a method of obtaining urban road network MFD is proposed. (2) the principle and basis of urban road network induced sub-area division based on MFD are established, and a multi-step partition method is proposed. This method combines the initial partition and the quadratic partition, and uses the mean shift clustering algorithm and hierarchical clustering algorithm with different characteristics to realize the partition process. (3) A two-layer route guidance strategy based on MFD is proposed for the urban road network. It takes into account the wishes of both traffic managers and travelers. It is a combination of central guidance and distributed guidance and a compromise between system optimization and user optimization. In the upper layer guidance, the traffic flow evolution model of the induced sub-area is constructed based on MFD, and the optimal dynamic traffic assignment method of the induced sub-area system is proposed. In the lower layer guidance, the vehicle routing optimization is realized by solving the user optimal routing problem.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龍瓊;胡列格;張蕾;喻杰;;基于物理規(guī)劃的路徑誘導(dǎo)方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年08期

2 蘇海濱;王繼東;侯朝楨;;道路網(wǎng)絡(luò)分層的快速路徑誘導(dǎo)算法[J];火力與指揮控制;2008年07期

3 陸陽;胡堅(jiān)明;張佐;王順智;高逸涵;;面向北京市路網(wǎng)特點(diǎn)的新型路徑誘導(dǎo)算法及實(shí)現(xiàn)[J];交通信息與安全;2009年02期

4 文孟飛;彭軍;劉偉榮;李沖;張曉勇;;一種增量式多目標(biāo)優(yōu)化的智能交通路徑誘導(dǎo)方法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

5 朱權(quán);安實(shí);謝秉磊;;雙目標(biāo)路徑誘導(dǎo)下的交通信息定價(jià)策略[J];交通運(yùn)輸工程學(xué)報(bào);2007年01期

6 金照;徐建閩;;數(shù)據(jù)融合技術(shù)在路徑誘導(dǎo)中的應(yīng)用研究[J];交通與計(jì)算機(jī);2008年04期

7 何鵬;潘君;薛倩;;基于遺傳算法的駕駛員動態(tài)路徑誘導(dǎo)研究[J];現(xiàn)代電子技術(shù);2009年15期

8 潘海珠;杜曉昕;王波;;交通路徑誘導(dǎo)系統(tǒng)中最優(yōu)路徑選取研究與仿真[J];計(jì)算機(jī)仿真;2012年07期

9 李志純,黃海軍;多目標(biāo)路徑誘導(dǎo)下平衡市場滲透率的確定[J];系統(tǒng)工程理論與實(shí)踐;2004年09期

10 杜長海;黃席樾;楊祖元;唐明霞;楊芳勛;;改進(jìn)的蟻群算法在動態(tài)路徑誘導(dǎo)中的應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年27期

相關(guān)會議論文 前8條

1 秦進(jìn);侯桂榮;;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)分析[A];2007第三屆中國智能交通年會論文集[C];2007年

2 秦進(jìn);史峰;侯桂榮;;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)[A];第二十七屆中國控制會議論文集[C];2008年

3 毛永明;張東偉;;智能交通動態(tài)路徑誘導(dǎo)算法研究[A];第十屆沈陽科學(xué)學(xué)術(shù)年會論文集（信息科學(xué)與工程技術(shù)分冊）[C];2013年

4 倪玲霖;秦進(jìn);;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)框架研究[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

5 楊立才;賈磊;孔慶杰;;基于人工免疫系統(tǒng)的動態(tài)路徑誘導(dǎo)算法研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 梅振宇;項(xiàng)貽強(qiáng);陳峻;王煒;;非完全動態(tài)信息下基于風(fēng)險(xiǎn)估計(jì)的路徑誘導(dǎo)方法[A];2007第三屆中國智能交通年會論文集[C];2007年

7 王冠生;鄭江華;瓦哈甫·哈力克;李榮立;;基于Haptic技術(shù)的盲人輔助路徑誘導(dǎo)服務(wù)研制[A];地理學(xué)核心問題與主線——中國地理學(xué)會2011年學(xué)術(shù)年會暨中國科學(xué)院新疆生態(tài)與地理研究所建所五十年慶典論文摘要集[C];2011年

8 王英杰;程琳;王煒;;交通網(wǎng)絡(luò)不確定性分析及路徑誘導(dǎo)信息提供[A];2007第三屆中國智能交通年會論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 李卉;智能交通產(chǎn)業(yè)風(fēng)光無限[N];中國機(jī)電日報(bào);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張鍇;基于自適應(yīng)量子人工魚群算法的動態(tài)路徑誘導(dǎo)研究[D];東北大學(xué);2014年

2 王藝凱;基于路徑誘導(dǎo)折線蟻群算法的路徑優(yōu)化研究[D];遼寧大學(xué);2016年

3 王星喬;基于Sarsa學(xué)習(xí)算法的路徑誘導(dǎo)算法研究[D];沈陽理工大學(xué);2016年

4 李浩;基于交通信息的城市網(wǎng)絡(luò)路徑誘導(dǎo)策略研究[D];合肥工業(yè)大學(xué);2017年

5 李霖;基于MFD的城市路網(wǎng)雙層路徑誘導(dǎo)策略研究[D];吉林大學(xué);2017年

6 范東凱;城市動態(tài)路徑誘導(dǎo)算法研究[D];長安大學(xué);2006年

7 孫霞;基于改進(jìn)遺傳算法的城市交通路徑誘導(dǎo)系統(tǒng)的研究[D];重慶大學(xué);2007年

8 梁晶;哈爾濱市交通路徑誘導(dǎo)系統(tǒng)研究[D];哈爾濱工程大學(xué);2011年

9 趙丹;城市交通路徑誘導(dǎo)算法研究[D];長安大學(xué);2009年

10 趙俊軍;基于演化博弈與人工免疫的路徑誘導(dǎo)算法研究[D];昆明理工大學(xué);2013年

，

本文編號：2220922