實(shí)際交通出行中,由于受到各方面隨機(jī)事件影響,交通路網(wǎng)的供給和需求都可能是不確定的,這種不確定性使得行程時(shí)間也呈現(xiàn)隨機(jī)性變化。不同出行者風(fēng)險(xiǎn)偏好不同,當(dāng)行程時(shí)間隨機(jī)變化時(shí),會(huì)選擇不同路徑出行,確�？梢园磿r(shí)到達(dá)目的地。本文首先同時(shí)考慮時(shí)空因素對(duì)城市道路車輛行程時(shí)間進(jìn)行預(yù)測(cè),預(yù)測(cè)誤差顯示車輛行程時(shí)間的不確定性,進(jìn)而提到出行者對(duì)行程時(shí)間可靠性的要求。然后從出行者風(fēng)險(xiǎn)規(guī)避角度出發(fā),提出基于負(fù)效用確定性等價(jià)的出行者路徑選擇規(guī)則。最后,在給定擇路規(guī)則下建立交通網(wǎng)絡(luò)用戶均衡模型,并引入可變車道建立混合網(wǎng)絡(luò)設(shè)計(jì)模型進(jìn)行求解。在已有研究成果的基礎(chǔ)上,本論文主要開展了如下研究工作:1.考慮時(shí)空因素的城市道路行程時(shí)間預(yù)測(cè)。分析了城市道路相鄰路段行程時(shí)間的空間相關(guān)性和不同時(shí)間路段行程時(shí)間的時(shí)間相關(guān)性�？紤]到預(yù)測(cè)方法普適性和計(jì)算速度,提出一種考慮時(shí)空因素的改進(jìn)K近鄰方法。實(shí)證研究結(jié)果顯示:路段行程時(shí)間短期預(yù)測(cè)的平均絕對(duì)誤差百分比都在要求范圍以內(nèi);通過與經(jīng)典預(yù)測(cè)模型的預(yù)測(cè)結(jié)果比較發(fā)現(xiàn),該方法預(yù)測(cè)精度和計(jì)算速度都可以更好的滿足出行者需求。行程時(shí)間預(yù)測(cè)過程中,行程時(shí)間展現(xiàn)出隨機(jī)特征,進(jìn)而提出出行者路徑選擇的時(shí)間可靠性問... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：117 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３－１神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??Ｆｉｇｕｒｅ?３－１?Ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ??

以方向傳播算法計(jì)算權(quán)重和閥值進(jìn)行反復(fù)調(diào)整訓(xùn)練，目標(biāo)為最小化網(wǎng)絡(luò)的誤差平??方和，即要使得輸出目標(biāo)和期望目標(biāo)差在要求精度以內(nèi)。當(dāng)網(wǎng)絡(luò)輸出層的誤差平??方和小于給定誤差時(shí)，訓(xùn)練結(jié)束。圖３－２展示了單隱層前饋網(wǎng)絡(luò)的學(xué)習(xí)過程ｆ２２火??寒??輸入層節(jié)點(diǎn)隱層節(jié)點(diǎn)輸出層節(jié)點(diǎn)??圖３－２單隱層前饋網(wǎng)絡(luò)的學(xué)習(xí)過程圖??Ｆｉｇｕｒｅ?３－２?Ｌｅａｒｎｉｎｇ?ｐｒｏｃｅｓｓ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｎｇｌｅ－ｈｉｄｄｅｎ?ｌａｙｅｒ?ｆｅｅｄｆｏｒｗａｒｄ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??ＢＰ神經(jīng)網(wǎng)絡(luò)作為一種常用的非參數(shù)模型，有其自身的優(yōu)缺點(diǎn)［２２氣其優(yōu)點(diǎn)是：??＊有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，因此非常適合求解??內(nèi)部機(jī)制復(fù)雜的問題。??＊學(xué)習(xí)規(guī)則簡單，便于實(shí)現(xiàn)。使用便利的同時(shí)，ＢＰ神經(jīng)網(wǎng)絡(luò)本身的特性也決定??了它有一些無法避免的缺憾。??？?ＢＰ神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)速度較慢。原因在于，ＢＰ神經(jīng)網(wǎng)絡(luò)計(jì)算過程使用了梯??度下降法，該方法使得如果需要優(yōu)化的函數(shù)結(jié)構(gòu)比較復(fù)雜，則可能出現(xiàn)“鋸齒??形現(xiàn)象”，計(jì)算效率會(huì)受到嚴(yán)重影響。另外，如果目標(biāo)函數(shù)形式復(fù)雜，也會(huì)導(dǎo)??致在神經(jīng)元輸出值如果接近０或１時(shí)，出現(xiàn)一些計(jì)算平坦區(qū)，使得此時(shí)的計(jì)算??幾乎陷入停頓

以方向傳播算法計(jì)算權(quán)重和閥值進(jìn)行反復(fù)調(diào)整訓(xùn)練，目標(biāo)為最小化網(wǎng)絡(luò)的誤差平??方和，即要使得輸出目標(biāo)和期望目標(biāo)差在要求精度以內(nèi)。當(dāng)網(wǎng)絡(luò)輸出層的誤差平??方和小于給定誤差時(shí)，訓(xùn)練結(jié)束。圖３－２展示了單隱層前饋網(wǎng)絡(luò)的學(xué)習(xí)過程ｆ２２火??寒??輸入層節(jié)點(diǎn)隱層節(jié)點(diǎn)輸出層節(jié)點(diǎn)??圖３－２單隱層前饋網(wǎng)絡(luò)的學(xué)習(xí)過程圖??Ｆｉｇｕｒｅ?３－２?Ｌｅａｒｎｉｎｇ?ｐｒｏｃｅｓｓ?ｄｉａｇｒａｍ?ｏｆ?ｓｉｎｇｌｅ－ｈｉｄｄｅｎ?ｌａｙｅｒ?ｆｅｅｄｆｏｒｗａｒｄ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??ＢＰ神經(jīng)網(wǎng)絡(luò)作為一種常用的非參數(shù)模型，有其自身的優(yōu)缺點(diǎn)［２２氣其優(yōu)點(diǎn)是：??＊有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，因此非常適合求解??內(nèi)部機(jī)制復(fù)雜的問題。??＊學(xué)習(xí)規(guī)則簡單，便于實(shí)現(xiàn)。使用便利的同時(shí)，ＢＰ神經(jīng)網(wǎng)絡(luò)本身的特性也決定??了它有一些無法避免的缺憾。??？?ＢＰ神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)速度較慢。原因在于，ＢＰ神經(jīng)網(wǎng)絡(luò)計(jì)算過程使用了梯??度下降法，該方法使得如果需要優(yōu)化的函數(shù)結(jié)構(gòu)比較復(fù)雜，則可能出現(xiàn)“鋸齒??形現(xiàn)象”，計(jì)算效率會(huì)受到嚴(yán)重影響。另外，如果目標(biāo)函數(shù)形式復(fù)雜，也會(huì)導(dǎo)??致在神經(jīng)元輸出值如果接近０或１時(shí)，出現(xiàn)一些計(jì)算平坦區(qū)，使得此時(shí)的計(jì)算??幾乎陷入停頓

【參考文獻(xiàn)】：
期刊論文
[1]朝陽路潮汐車道運(yùn)行效果評(píng)價(jià)[J]. 王敏,王江鋒,熊若曦,陶志敏.  長安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(S1)
[2]ATIS環(huán)境下隨機(jī)動(dòng)態(tài)路網(wǎng)行程時(shí)間可靠性0[J]. 郭洪洋,張璽,劉瀾,馬亞峰.  交通運(yùn)輸系統(tǒng)工程與信息. 2014(04)
[3]隨機(jī)供給下的行程時(shí)間動(dòng)態(tài)可靠性[J]. 張璽,劉海旭,蒲云.  系統(tǒng)工程. 2013(03)
[4]針對(duì)小樣本數(shù)據(jù)集的魯棒單隱層前饋網(wǎng)絡(luò)建模方法[J]. 張榮,鄧趙紅,王士同,蔡及時(shí),錢鵬江.  控制與決策. 2012(09)
[5]城市交通供給策略與交通需求管理對(duì)策研究[J]. 陸化普.  城市交通. 2012(03)
[6]信號(hào)控制交叉口可靠性建模與仿真[J]. 呂斌,牛惠民.  交通運(yùn)輸系統(tǒng)工程與信息. 2011(06)
[7]雨天高速公路網(wǎng)行程時(shí)間可靠性評(píng)價(jià)方法[J]. 王婧,何杰,吳煉.  交通運(yùn)輸系統(tǒng)工程與信息. 2011(06)
[8]基于出行時(shí)間預(yù)算的多模式多類用戶城市交通均衡分析[J]. 要甲,史峰,周釗,鄧連波.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(11)
[9]隨機(jī)需求道路網(wǎng)絡(luò)出行時(shí)間可靠性評(píng)估方法[J]. 況愛武,黃中祥,況群.  西南交通大學(xué)學(xué)報(bào). 2011(05)
[10]冰雪條件下城市道路路段行程時(shí)間模型[J]. 馮雨芹,張春平,冷軍強(qiáng),張亞平.  黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2011(01)

博士論文
[1]基于行程時(shí)間可靠性的城市交通網(wǎng)絡(luò)分析[D]. 李小靜.蘭州交通大學(xué) 2015
[2]基于可靠性的城市交通網(wǎng)絡(luò)分析[D]. 況愛武.長沙理工大學(xué) 2012
[3]冰雪條件下城市路網(wǎng)行程時(shí)間可靠性研究[D]. 冷軍強(qiáng).哈爾濱工業(yè)大學(xué) 2010
[4]城市道路交通網(wǎng)絡(luò)設(shè)計(jì)問題的相關(guān)優(yōu)化模型與算法[D]. 張好智.北京交通大學(xué) 2007
[5]基于可靠性分析的城市道路交通網(wǎng)絡(luò)設(shè)計(jì)問題研究[D]. 許良.北京交通大學(xué) 2006
[6]道路網(wǎng)行程時(shí)間可靠性基礎(chǔ)理論與方法研究[D]. 熊志華.北京交通大學(xué) 2006



本文編號(hào)：3283265