【技术实现步骤摘要】
基于车道管理的多模式交通协同疏散方法
[0001]本专利技术涉及交通
,尤其涉及一种基于车道管理的多模式交通协同疏散方法。
技术介绍
[0002]依靠道路网络进行大规模疏散是应对各种灾害事件(如飓风、洪水、地震、危险气体泄漏、恐怖袭击等)的一种有效而广泛的手段,科学的疏散规划可以最大程度地减少重大人员伤亡和财产损失。在大规模疏散中,首要目标是尽快将受灾害影响的居民转移到安全区域,同时需要避免严重的交通拥挤和二次伤害。这就需要管理者按照疏散需求合理配置车队和分配道路资源,同时考虑疏散交通流的动态性制定动态的疏散计划。
[0003]在实际疏散中,经常存在行动能力低的人群,如老年人、残疾人、无车群体等,为了兼顾疏散公平和效率,需要政府组织车队参与疏散,因此多模式交通是难以避免的。采用公交导向的多模式协同疏散的模式更符合行动能力低的人群比例较高、人均机动车保有量和道路密度均低于发达国家、人群高度聚集的大型活动和场所较多的情况。目前,关于组织多模式交通疏散的研究较少,主要包括:以疏散时间最小化为目标,通过多蚁群智能算法平衡整个道路网络中交通负载,但是该方法疏散交通模型是静态的,不能捕获疏散中的交通拥堵,不能提供实时的疏散时刻表,不能详细的提供车道的管理方案;考虑所有疏散人群的总行驶距离最短为目标函数,建立基于可逆车道与交叉口冲突消除的公交疏散路径规划模型,选取遗传算法对模型进行求解,得到最优公交疏散路径规划方案,但是该方法通过设置专用道,忽略其他车辆对公交车的影响,采用了静态的疏散交通模型,不能捕获交通拥堵,不能 ...
【技术保护点】
【技术特征摘要】
1.一种基于车道管理的多模式交通协同疏散方法,其特征在于,包括:S1根据灾害特点确定疏散需求,并根据不同车辆的自由流速度将疏散道路网络离散为多层多尺寸元胞网络;S2基于离散后的多层多尺寸元胞网络,以整个需求疏散的系统的清空时间最短为目标函数,以多模式车队约束、多模式交通网络加载约束、车道分配和车道逆流约束作为约束条件构建多模式交通协同疏散模型;S3采用禁忌搜索算法对所述多模式交通协同疏散模型求解;S4根据求解结果进行多模式交通协同疏散组织。2.根据权利要求1所述的方法,其特征在于,所述的S1步骤包括:将网络源节点作为受灾点,网络汇节点作为避难所,源节点和汇节点的位置及道路风险水平根据灾害的特点确定,将疏散区域、避难所位置、路网风险水平及疏散需求作为输入参数,采用元胞传输模型CTM加载多模式交通流,元胞长度定义为自由流条件下车辆在一个时间步行驶的距离,根据不同车辆的自由流速度,将道路路网离散为多个独立的元胞网络,每一种车辆只能在自己的元胞网络中行驶。3.根据权利要求1所述的方法,其特征在于,所述的多模式交通协同疏散模型包括:目标函数如下式(1)所示:其中,t为离散时间步,Ψ为离散时间步集合,M为车辆类型集合,C
R
风险源元胞集合;为t时刻m类型车辆到达汇元胞C
s
的车辆数;d
i,m
表示源元胞i内m类型车辆的车辆数,为所有疏散源点i中类型m车辆的数量,即某个源点的疏散需求;表示向下取整,表示当前时刻所有车辆是否到达汇元胞,如果车辆全部到达,即网络被清空,则否则网络没有清空,则因此,疏散网络中m类型车辆的清空时间为疏散系统的清空时间为各类车辆疏散时间的最大值,即疏散的目标就是使得最大的网络清空时间最小;多模式车队规模约束如下式(2)
‑
(3)所示:(3)所示:
其中,式(2)是总需求D守恒约束,d
i,m
表示疏散源元胞i内m类型车辆的车辆数,p
m
表示m类型车辆的最大载客量,C
R
风险源元胞集合;式(3)是车辆数非负约束;多模式交通网络加载约束如下(4)
‑
(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:(14)所示:其中:式(4)是流量守恒约束,表示t+1时刻元胞i内m类型车辆的车辆数,为当前车辆数,为从上游元胞k流入当前元胞i的车辆数,Γ
‑
(i)为当前元胞i的上游元胞k的集合,表示从当前元胞i流向下游元胞j的车辆数,Γ(i)为当前元胞i的下游元胞j的集合,C
O
为普通元胞集合;式(5)是t时刻从当前元胞i流向下游元胞j的流量小于当前元胞的车辆数式(6)是t时刻从当前元胞i流向下游元胞j的流量小于当前元胞的通行能力限制z
i,m
是分配给m类型车辆的车道数,是t时刻m类型每个车道的通行能力;类似(6),式(7)是t时刻从上游元胞k流入当前元胞i车辆数,小...
【专利技术属性】
技术研发人员:贾斌,刘家林,姜锐,李新刚,刘正,高自友,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。