考虑出行者路径选择惰性的网络交通流预测方法技术

本发明专利技术公开了一种考虑出行者路径选择惰性的网络交通流预测方法。该方法包括：组织交通调查，确定每个OD对之间不同类别出行者的惰性程度及其需求量；生成初始备选路径集合；求解限制主问题；更新路段行驶时间；生成新的路径；检验是否满足收敛条件；停止迭代，得到出行者惰性影响下，网络均衡交通流的预测值。本发明专利技术方法解决了出行惰性在实际交通调查中难以度量的问题，能为城市交通流量分布提供更加精确合理的预测。

Network traffic flow prediction method considering inert traffic path choice

The invention discloses a network traffic flow prediction method considering the inertness of travellers' path selection. The method includes: organizing traffic investigation to determine the degree of inertia and the demand of different types of travelers between each OD pair; generating the initial set of alternative paths; solving the restricted main problem; updating the travel time of the road section; generating new paths; checking whether the convergence condition is satisfied; stopping iteration to get the traveler inertia under the influence of the traveler inertia. The network equate the predicted value of traffic flow. The method solves the problem that travel inertia is difficult to measure in actual traffic investigation, and can provide more accurate and reasonable prediction for urban traffic flow distribution.

【技术实现步骤摘要】
考虑出行者路径选择惰性的网络交通流预测方法
本专利技术涉及一种考虑出行者路径选择惰性的网络交通流预测方法，属于交通流量分布预测

技术介绍
传统交通规划以“四阶段”法为基础，包括交通发生与吸引、交通分布、方式划分和交通分配四个步骤。其中，交通分配是四阶段法的最后一个环节，也是其核心技术。现有的交通分配技术，以用户均衡模型为基础。该模型假设，出行者会选择出行时间最短的路径从出发地到目的地。在均衡状态下，所有出行者的出行时间是相等的，没有一个出行者能够通过单方面改变路径来改变他的出行时间。传统用户均衡模型假设出行者是完全理性的，他们选择路径时，会遵循出行时间最短的原则。在实际应用中，由于出行者的异质性，并不是所有出行者都会遵循该原则，很多模型针对这一点，做了不同的改进，以期更加符合实际情况。最近，关于出行惰性的研究引起了很多学者的兴趣。在交通领域，出行惰性表现为出行者往往选择自己熟悉的路径进行出行。对于不熟悉的路径，除非该路径的出行时间远远低于他熟悉的路径，否则，该出行者将不予以考虑。出行惰性的研究表明，出行者是有限理性的。如果将出行者所有熟悉的路径所构成的集合称为他们的“备选路径集合”，则该集合其实在某种程度上反映了他们的出行惰性。Zhang和Yang(2015)将出行者的路径选择惰性定义为出行者备选路径集合中路径的条数。他们提出了基于惰性的用户均衡模型，讨论了该模型与传统用户均衡模型的关系，并分析了信息对出行惰性的影响。然而，Zhang和Yang(2015)提出的模型，需要在交通调查问卷中询问出行者的具体备选路径都有哪些。对于大规模城市道路网络来说，一条路径往往包含数十个路段，让出行者在调查过程中一一标记出这些路径，十分费时费力，这样的调查在实际中很难实施。
技术实现思路
本专利技术所要解决的技术问题是：本专利技术提出了一种路径选择惰性的新定义。这种定义下出行者的惰性很容易度量，因此能够方便应用于交通调查之中。在考虑出行者不同路径选择惰性的情况下，本专利技术构建了相应的交通均衡模型，并将非集计单纯型算法加以改进，用来求解该模型。最终求得的解，即为出行者惰性影响下的网络均衡交通流的预测值。本专利技术为解决上述技术问题采用以下技术方案：一种考虑出行者路径选择惰性的网络交通流预测方法，包括如下步骤：步骤0.组织交通调查，确定每个起止点OD对之间不同类别出行者的惰性程度i∈{1,2,...e}，及其需求量其中e为不同类别出行者的类别数，W表示路网中所有OD对的集合；步骤1.对于每个OD对w∈W，每类出行者i∈{1,2,...e}，生成备选路径集合令表示第z次迭代时的备选路径集合，置z＝1；步骤2.求解如下限制主问题：其中，ta表示路段出行时间，及va分别表示OD对w之间第i类出行者的路径流量及路段流量，δarw为指标变量，如果路段a在连接OD对w的路径r上，δarw＝1；否则δarw＝0令va(z)表示第z次迭代时上述限制主问题的解；步骤3.将va(z)代入路段出行时间函数ta(va)中，求出第z次迭代时各路段的出行时间ta；步骤4.对每个OD对w及每类出行者i，求解如下约束最短路径问题：xa∈{0,1}其中o表示起点，d表示终点，h(a)、t(a)分别表示路段a的头节点和尾节点，xa是取值0或1的变量，取值1时表示路段a在约束最短路径上，取值0时表示路段a不在约束最短路径上，la表示路段长度，Pw为OD对w之间长度最短的路径；令表示第z次迭代时求解所述约束最短路径问题所求得的路径，将加入备选路径集合中，得到新的备选路径集合步骤5.对于所有OD对w，如果则停止迭代；否则，令置z＝z+1，转步骤2。优选地，所述步骤2中的限制主问题的解，由下列步骤求得：步骤2.1对于每类出行者i，找出备选路径集合中的最短路径，将加载到最短路径上，得到路径流量向量fk，置k＝0；步骤2.2计算各路径的出行时间；步骤2.3在当前路段出行时间下，对每个OD对w以及每类出行者i，在集合中找出相对应的最短路径，将加载到最短路径上，得到辅助路径流量向量步骤2.4收敛性检查：如果其中ε为容许误差，则步骤2停止迭代，限制主问题在第z次迭代时的解为否则转步骤2.5；步骤2.5沿方向利用Armijo线搜索方法，计算迭代步长λk；步骤2.6更新路径流量向量令置k＝k+1，转步骤2.2。优选地，所述步骤2.2包括以下步骤：步骤2.2.1由计算各路段的流量，由路段出行时间函数ta((va)k)得出各路段的出行时间；步骤2.2.2由计算各路径的出行时间，其中表示OD对w之间第i类出行者在路径r上的出行时间。优选地，所述步骤2.5包括以下步骤：步骤2.5.1取σ∈(0,1)，ω∈(0,1)，令λ＝1；步骤2.5.2检验下式是否成立：其中T表示向量转置；步骤2.5.3如果式不成立，则令λ＝ωλ，转步骤2.5.2，否则，令λk＝λ，步骤2.5停止迭代。优选地，令n为路网中的节点，m为n的前置节点；令t(m,n)和l(m,n)分别为路段(m,n)的出行时间和长度，记向量h(m,n)＝[t(m,n),l(m,n)]；令和为从起点o至n第j条路径的出行时间和路径长度，令和为从起点o至m第j条路径的出行时间和路径长度；令n的第j个临时标号为θj(n)；θj(n)＝[mk；βj(n)]，其中mk表示m的第k个临时标号θk(m)的索引，βj(n)是一个向量，βj(n)＝βk(m)+h(m,n)；L(n)是n的临时标号的集合，P(n)是n的固定标号的集合，L是路网中所有节点的临时标号的集合；令c(n,d)为从n到d的最短路径出行时间；令p(o,n)和p(n,d)分别为从o到n和从n到d的最短路径长度；令p(o,m)和p(m,d)分别为从o到m和从m到d的最短路径长度；所述步骤4中的约束最短路径问题的解，由下列步骤求得：步骤4.1简化路网：步骤4.1.1利用Dijkstra算法计算从起点o到终点d出行时间最短的路径，若该路径长度满足式该路径即为所求路径，计算结束；否则，转步骤4.1.2；步骤4.1.2对路网中的除o和d以外的所有节点n，利用Dijkstra算法计算p(o,n)和p(n,d)，若删除节点n，对于任意路段(m,n)，若并且删除该路段；步骤4.1.3若在步骤4.1.2中存在被删除的节点或路段，将原路网替换为删除节点或路段后的新路网，转步骤4.1.1；否则，转步骤4.1.4；步骤4.1.4对路网中的除d以外的所有节点n，利用Dijkstra算法计算p(n,d)、c(n,d)；步骤4.2寻找长度约束条件下出行时间最短的路径：步骤4.2.1给o点标号θ1(o)＝[-；β1(o)]，β1(o)＝[0,0]，记L(o)＝{θ1(o)}，令步骤4.2.2令L＝L∪L(n)，寻找L中路径出行时间最短的节点标号θj(n)，令s为路网中的任意节点，记其中为从起点o至s第k条路径的出行时间，θk(s)为s的第k个临时标号；寻找L′中路径长度最短的节点标号θj(n)，记其中为从起点o至s第k条路径的路径长度；步骤4.2.3若计算结束，根据θj(d)∈L″(d)反向追踪求得长度约束条件下出行时间最短的路径；否则，令P＝P∪L″，L＝L-L″，转步骤4.2.4；步骤4.2.4确定路网中所有有效路本文档来自技高网...

【技术保护点】
1.一种考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，包括如下步骤：步骤0.组织交通调查，确定每个起止点OD对之间不同类别出行者的惰性程度

【技术特征摘要】
1.一种考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，包括如下步骤：步骤0.组织交通调查，确定每个起止点OD对之间不同类别出行者的惰性程度i∈{1,2,...e}，及其需求量i∈{1,2,...e}，其中e为不同类别出行者的类别数，W表示路网中所有OD对的集合；步骤1.对于每个OD对w∈W，每类出行者i∈{1,2,...e}，生成备选路径集合令表示第z次迭代时的备选路径集合，置z＝1；步骤2.求解如下限制主问题：其中，ta表示路段出行时间，及va分别表示OD对w之间第i类出行者的路径流量及路段流量，δarw为指标变量，如果路段a在连接OD对w的路径r上，δarw＝1；否则δarw＝0，令va(z)表示第z次迭代时上述限制主问题的解；步骤3.将va(z)代入路段出行时间函数ta(va)中，求出第z次迭代时各路段的出行时间ta；步骤4.对每个OD对w及每类出行者i，求解如下约束最短路径问题：xa∈{0,1}其中o表示起点，d表示终点，h(a)、t(a)分别表示路段a的头节点和尾节点，xa是取值0或1的变量，取值1时表示路段a在约束最短路径上，取值0时表示路段a不在约束最短路径上，la表示路段长度，Pw为OD对w之间长度最短的路径；令表示第z次迭代时求解所述约束最短路径问题所求得的路径，将加入备选路径集合中，得到新的备选路径集合步骤5.对于所有OD对w，如果则停止迭代；否则，令置z＝z+1，转步骤2。2.根据权利要求1所述的考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，所述步骤2中的限制主问题的解，由下列步骤求得：步骤2.1对于每类出行者i，找出备选路径集合中的最短路径，将加载到最短路径上，得到路径流量向量fk，置k＝0；步骤2.2计算各路径的出行时间；步骤2.3在当前路段出行时间下，对每个OD对w以及每类出行者i，在集合中找出相对应的最短路径，将加载到最短路径上，得到辅助路径流量向量步骤2.4收敛性检查：如果其中ε为容许误差，则步骤2停止迭代，限制主问题在第z次迭代时的解为否则转步骤2.5；步骤2.5沿方向利用Armijo线搜索方法，计算迭代步长λk；步骤2.6更新路径流量向量令置k＝k+1，转步骤2.2。3.根据权利要求2所述的考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，所述步骤2.2包括以下步骤：步骤2.2.1由计算各路段的流量，由路段出行时间函数ta((va)k)得出各路段的出行时间；步骤2.2.2由i∈{1,2,...e},w∈W计算各路径的出行时间，其中表示OD对w之间第i类出行者在路径r上的出行时间。4.根据权利要求2所述的考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，所述步骤2.5包括以下步骤：步骤2.5.1取σ∈(0,1)，ω∈(0,1)，令λ＝1；步骤2.5.2检验下式是否成立：其中T表示向量转置；步骤2.5.3如果式不成立，则令λ＝ωλ，转步骤2.5.2，否则，令λk＝λ，步骤2.5停止迭代。5.根据权利要求1所述的考虑出行者路径选择惰性的网络交通流预测方法，其特征在于，令n为路网中的节点，m为n的前置节点；令t(m,n)和l(m,n)分别为路段(m,n)的出行时间和长度，记向量h(m,n)＝[t(m,n),l(m,n)]；令和为从起点o至n第j条路径的出行时间和路径长度，令和为从起点o至m第j条路径的出行时间和路径长度；令n的第j个临时标号为θj(n)；θj(n)＝[mk；βj(n)]，其中mk表示m的第k个临时标号θk(m)的索引，βj(n)是一个向量，βj(n)＝βk(m)+h(m,n)；L(n)是n的临时标号的集合，P(n)是n的固定标号的集合，L是路网中所有节点的临时标号的集合；令c(n,d)为从n到d的最短路径出行时间；令p(o,n)和p(n,d)分别为从o到n和从n到d的最短路径长度；令p(o,m)和p(m,d)分别为从o到m和从m到d的最短路径长度；所述步骤4中的约束最短路径问题的解，由下列步骤求得：步骤4.1简化路网：步骤4.1.1利用Dijkstra算法计算从起点o到终点d出行时间最短的路径，若该路径长度满足式该路径即为所求路径，计算结束；否则，转步骤4.1.2；步骤4.1.2对路网中的除o和d以外的所有节点n，...

【专利技术属性】
技术研发人员：周博见，李佳欣，何杰，刘子洋，邢璐，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32