交通流分配模型综述

华 中 科 技 大 学

研究生课程考试答题本

考生姓名 陈菀荣

考生学号 M201673159

系、年级 交通运输工程系、研一

类 别 科学硕士

考试科目 交通流理论

考试日期 2017 年 1 月 10 日

交通流分配模型综述

摘要：近些年，交通流分配模型已经广泛应用到了交通运输工程的各个领域，并且在交通规划中起到了很重要的作用。本文对交通流分配模型研究现状进行了综述,并分别对静态交通流分配模型、动态分配模型以及公交网络进行了阐述和讨论。同时对相关的交通仿真还有网络优化问题研究现状进行了探讨.最后结合自身学习经验做出了一些评价和总结。

关键词：交通流分配 ;模型 ；公交网络

0引言

随着经济和科技的发展，城市化进程日益加快，城市也因此被赋予更多的工程，慢慢聚集大量的人口.而人口数量的增加而直接带来的城市出行量增加,不管是机动车出行还是非机动车出行量都相较以前增加了很多，从而引发了一系列的交通问题.因为在城市整体规划中，交通规划已经成为了十分突出的问题。在整个交通规划过程中，交通分配在其中占有很重要的地位，为相关公交路线，具体道路宽度规划等都有很大作用.

1交通流分配及研究进程

1。1交通流分配简介

由于连接OD之间的道路有很多条,如何将OD交通量正确合理的分配到O和D之间的各条路线上，是交通流分配模型要解决的首要问题。交通流分配是城市交通规划的一个重要组成部分也是OD量推算的基础。交通流分配模型分为均衡模型和非均衡模型。

1。2交通流模型研究进程

以往关于交通流分配模型的研究多是基于出行者路径偏好的,主要有以Wardrop第一和第二原则为分配依据建立的交通分配模型，Wardrop第一原则假定所有出行者独立做出令自己出行时间最小的决策，最终达到纳什均衡的状态，此时的流量为用户最优解，在这种状态下，同一个起始点时间所有有流路径的通行时间相等，并且大于无流路径的通行时间；Wardrop第二原则假定存在一个中央组织者协调所有出行者的路径选择行为，使得所有出行者的总出行时间最小，对应的状态称为系统最优，此时分布的流量称为系统最优流。

交通流分配模型最早要追述到Beckmann等[1]于1956年首先提出了满足Wardrop第一原则的交通流分配非线性规划模型。LeBlanc等[2]用Frank—Wolfe算法对该模型成

功进行了求解,Smith和Dafermos分别提出了更为广义的非线性互余模型和变分不等式模

［5] 型[3］[4］

针对城市单一交通方式的交通网络拓扑分析与数学模型已较为成熟，大多以图论为基础，而多方式交通网络模型的研究中比较具有代表性的路网模型有:基于图论的路网模型、基于GIS的路网模型、基于状态转移网络和基于超级网络的路网模型等。李菲等［6］将路网抽象为带转向的赋权有向图，通过将节点表示交叉路口和端点,边表示连接这些结点的道路，可以反映现实网络的空间位置关系,但不能反映不同交通方式的关联性。陆峰等[7]建立了基于特征的GIS数据存储模型，将交通区域、交通特征、事件和事件点定为4个基本要素，将路径、路径段、联线与节点设置为四个复合要素,可以完整表达路网交通特征.Lo等［8］

[9]将网络转为由状态网络和各方式子网络组成的网络模型，通过对每个

OD对，将起点和

终点之间所有可能路径上的状态用子网连接或换乘连接连在一起，可以完整地描述出行过程。Wu等[10]通过在节点与线段对应实体的基础网络上，通过添加虚拟节点和虚拟路段，表示模式间的换乘关系,既能够表达网络的空间位置关系，又能反映不同交通方式间的关联性。

2静态和动态交通流分配模型

2。1静态交通流分配模型

对于静态交通流分配模型,分为确定性交通流分配模型和随机性交通流分配模型,确定性交通流分配模型又可以分为确定性用户最优模型和确定性系统最优模型，前者遵循Wardrop第一原理,后者遵循Wardrop第二原理.

2。2动态交通流分配模型

至于动态交通流分配模型，其由来是因为静态交通流分配模型不能体现OD需求矩阵随时间变化的起伏特征，分为数学规划模型、最优控制模型和变分不等式模型。Merchant等［11］首次提出了动态交通流分配的概念，采用数学规划的方法来描述动态交通流分配问题,建立了一个离散时间、非凸的非线性规划模型。Ho［12]推到了M-N模型最优解的充分条件，并提出了该模型的分段线性算法。Carey[13］改进了M-N模型为非线性凸规划，并证明了模型解的唯一性。之后，其又在1992年首次提出了动态交通流分配的FIFO(First—In-First-Out)规则［14］，指出当网络扩展为多个终点时，FIFO原则必将导致模型解得可行域为非凸集合,如不满足，则解不合理。Jason[15］最早尝试建立用户最优的动态交通流分配模型,但模型部分假定违背FIFO原则，算法不够合理。Liu[16］在Jason的基础上改进了模型，使其满足FIFO规则,但模型只是一种假想形式。Ziliaskopoulos[17]引入元胞传输模型建立了一个系统最优DTA线性规划模型,按照细胞传播模型处理交通流的传播，而无须将路段出行时间函数作为路段交通流量传播的唯一工具.Ukkusuri等［18]基于元胞传输模型建立了一个用户最优DTA线性规划模型，较Janson模型求解效率更高.最优控制模型假定时间是连续变量，约束条件与数学规划模型类似.Friesz等［19］建立了基于路段的最优控制模型，分析了单终点情况的系统最优（SO）问题和用户平衡（UE)问题，该SO模型可以看作是离散M-N模型的连续化，UE模型可看作是Beckman模型通过瞬间用户路径费用平衡的动态推广.Dafemos［20]于1980年首先将变分不等式方法引入了静态交通平衡建模领域，变分不等式(VI)理论的基本思路是将动态交通流分配过程分解为网络加载和网络分配两个过程，最终通过求解一系列的线性规划来求解分配问题。Friesz等[21］构造了一个连续时间的用户最优变分不等式模型。

2。3动态交通流分配仿真模型

动态交通流分配仿真模型采用交通仿真软件复现交通流在交通网络中的运行状态。其中，宏观模型以车辆整体流动为研究对象，从宏观上分析整个交通网络的交通流特性,能够

描述网络流量、速度、密度之间的关系，如Diakaki等［22]的METACOR模型，适用于城市交通规划.微观模型以个体车辆运动为研究对象，对单个车辆的跟驰行为、间距保持和换道选择等进行仿真,如Yang等[23］的MITSIM模型,能够精确地描述每一时刻每一辆车的驾驶行为和相互作用，适用于中小规模路网的交通模拟.而中观模型介于前两者之间，以车辆群体为研究对象,既能解决宏观模型不能描述排队长度和延误等详细交通状态指标问题，又能避免微观模型不能描述OD对交通系统产生的影响等问题,如Balakrishna等[24］的DynaMIT模型，能够清晰地反映交通运行情况以及时变特征。

3公交网络

3.1公交网络的复杂性研究

关于公交网络的复杂性研究，Watts等［25]于1998年在Nature杂志上发表论文，建立了小世界网络模型，研究表明许多网络尤其是大型网络都具有小世界特性,即较大的聚类系数和较短的平均路径长度。Barabasi等［26]于1999年在Science上发表论文，研究表明很多现实中的大型复杂的度分布属于无标度的幂律分布,即P（k）～k—𝜆，其中k为点度，

［29］运用复杂网络理论对北京市公交网络λ为幂指数,取值区间为［2，3］。吴建军等[27][28］

进行了复杂性研究，发现基于线路的公交网络具有无标度特性,基于停靠站点的公交网络具有小世界特性，并对公交网络进行了有效性和鲁棒性分析。陈永洲［30]在分析公交网络复杂性的基础上，应用数值模拟的方法分析城市公交线路之间的合作与竞争关系，揭示了网络拓扑结构与其之间的关联性。

3。2公交网络生成研究

关于公交网络生成的研究，分为逐条布线的线网设计方法和全局最优的线网设计方法。

Chua等[31］为揭示当时英国主要城市公交网络重新规划的程度和规划者使用的方法，进行了一次调查，根据调查结果，其将这些规划方法进行了定义，分为六类：规划手册法、市场分析法、系统分析法、交互式辅助图形系统分析法、启发式设计法、数学解析法.王炜等

［32]［33]提出了一种“逐条布设、优化成网\"的公交网络设计方法，以直达乘客量最大、总

乘行时间最短、客流分布均匀等为目标，优化算法较为简便，避免了公交优化中普遍存在的“维数灾难”问题。

3.3公交网络优化问题研究

关于公交网络优化问题的研究，Ceder等[34］提出一种使公交系统时刻表同步的模型,

［36]以发车间隔作为每条线路的变量，使不同线路的公交车同时到达换乘站点.赵德川等[35］

以居民公交出行时间最短为目标函数，以线路长度、非直线系数、乘客换乘系数、线路满载率等作为约束建立公交线网优化模型,并用免疫遗传算法进行了求解。

关于公交站间距优化问题的研究，Fernandez[37]较早提出一种专家系统设置公交站点的方法,以专家本人丰富的规划经验,并参考相关标准设置站点。Ammons等［38］[39］对站点设置的相关标准进行了研究，结果发现公交站间距一般取值范围为200-600mm，部分城市区域可达800mm。田春春［40］从宏观、中观、微观三个层面对公交停靠站进行了研究，在宏观层面综合考虑乘客、运营者和社会利益的情况下,以公交系统总成本最小为目标，建立了公交站间距优化模型，同时在中观和微观层面对站点选址和站型进行了讨论分析。

4结语

交通流分配为交通管理与控制、动态路径诱导等提供了依据,正确且适宜的交通流分配模型，能够更好的再现实际的交通状态，并且对后期的具体城市交通规划、公交路线规划

都有很大的作用。交通流分配模型一直都是交通领域的研究热点。近些年来，关于动态交通分配模型的研究有很多，相较于前期的静态交通分配模型，动态交通分配模型确实更加贴合实际交通情况。但是在数据采集，及后期数据分析，不管是理论还是实际应用上都有很大问题。相关的仿真技术及其应用也需要我们新一代的交通学子继续深入研究。另外，本文提到的公交网络研究问题也与交通流分配模型息息相关。现如今，城市越来越倡导绿色出行，即倡导大家尽量使用公共交通,或者自行车、步行等环保绿色的出行方式。我认为，在之后文明环保绿色的概念渐渐深入人心之后,更多的人会自觉放弃驾驶机动车出行，从而在远距离交通中会更多的选择乘坐公交交通出行。因此，公共交通线路,公共交通站点间距及相关优化问题在之后也会成为研究热点,并且交通流分配模型的研究中更多的考虑这些相关因素。

参考文献

[1] Beckmann M J, McGuire C B, Winsten C B. Studies in the Economics of Transportation[M]. Yale University Press, 1956. [2] LeBlanc L J, Morloe E K, Pierskalla W P. An efficient approach to solving the road equilibrium traffic assignment

problem[J]. Transportation Reasearch, 1975, 9(5): 309-318.

[3] Smith M J. The existence, uniqueness and stability of traffic equilibria [J]. Transportation Research Part B, 1979, 13(4):

295-304.

[4] Dafermos S C. Traffic equilibrium and variational inequalities[J]. Transportation Science, 1980, 14: 42-54. [5] Dafermos S C. An iterative scheme for variational inequalities[J]. Mathematical Programming, 1983, 26(1): 40-47. [6] 李菲, 肖洪祥. 城市交通路网数据模型的构建及其拓扑结构的研究[J]. 科学技术与工程, 2009, 9(8): 2211-2214. [7] 陆峰, 周成虎, 万庆. 基于特征的城市交通网络非平面数据模型[J]. 测绘学报, 2000, 29(4): 333-340.

[8] Lo H K, Yip C W, Wam Q K. Modelling transfer and non-linear fare structure in multi-modal network[J]. Transportation

Research Part B, 2003, 37: 149-170.

[9] Lo H K, Yip C W, Wam Q K, Modelling competitive multi-modal transit services a nested logit approach[J].

Transportation Research Part C, 2004, 12: 251-272.

[10] Wu Z X, Lam W H K. Network equilibrium model for congested multi-mode networks with elastic demand[J]. Journal

of Advanced Transportation, 2003, 37(3): 295-318.

[11] Merchant D K, Memhauser G L. A model and an algorithm for the dynamic traffic assignment problems[J].

Transportation Science, 1978(12): 62-77.

[12] Ho J K. A successive linear optimization approach to the dynamic traffic assignment problem[J]. Transportation Science,

1980, 14: 295-305.

[13] Carey M. A Constraint Qualification for a Dynamic Traffic Assignment Model[J]. Transportation Science, 1986, 20:

55-58.

[14] Carey M. Nonconvexity of the dynamic traffic assignment problem[J]. Transportation Science, 1992, 26B: 127-133. [15] Janson B N. Dynamic traffic assignment for urban road networks[J]. Transportation Science, 1992, 26B: 143-161. [16] Liu Z K. Model dynamic traffic assignment[D]. Nagoya University, Nagoya, Japan, 1993.

[17] Ziliaskopoulos A K, Wardell W W. An intermodaol optimum path algorithm for dynamic multimodal network[J].

European Journal of Operation Research, 2000, 125: 486-502.

[18] Ukkusuri S V, Waller S T. Linear programming models for the user optimal and system optimal network design problem:

formulations, comparisons and extensions[J]. Networks and spatial economics, 2008, 8(4): 383-406.

[19] Friesz T L, Luque J, Tobin R L, BW Wie. Dynamic network traffic assignment considered as a continuous time optimal

control problem[J]. Operation Research, 1989, 37(6): 893-901. [20] Dafemos S. tTraffic equilibrium and variational inequalities[J].

[21] Friesz T L, Bemstein D, Smith T E, Tobin R L, Wie B W. A variational inequality formulation of the dynamic network

user equilibrium problem[J]. Operation Research, 1993, 41(1): 179-191.

[22] Diakaki C, Papageorgiou C, McLean T. Simulation studies of integrated corridor control in Glasgow[J]. Transportation

Research Part C, 1997, 5(3-4): 211-224.

[23] Yang Q, Koutsopoulos H N. A microscopic traffic simulation for evaluation of dynamic traffic management systems[J].

Transportation Research Part C, 1996, 4(3): 113-129.

[24] Balakrishna R, Ben-Akiva M, Koutsopoulos H N. Offline calibration of dynamic traffic assignment[J]. Transportation

Research Record, 2007, 2003: 50-58.

[25] Watts D J, Strogatz S H. Collective dynamics of ‘small-world’ networks[J]. Nature, 1998, 393: 440-442. [26] Barabasi A L, Albert R. Emergence of scaling in random networks[J]. Science, 1999, 286: 509-512. [27] Wu J J, Gao Z Y, Sun H J, Huang H J. Urban transit system as a scale-

[28] Wu J J, Gao Z Y, Sun H J. Complexity and efficiency of Beijing transit network[J]. International Journal of Modern

Physics B, 2006, 20: 2129.

[29] 吴建军, 高自友, 孙会君, 赵晖. 城市交通系统复杂性-复杂网络方法及其应用[M]. 北京: 科学出版社, 2010. [30] 陈永洲. 城市公交巴士复杂网络的实证与模拟研究[D]. 南京, 南京航空航天大学, 2007.

[31] Chua, T. A. and Silcock, D. T. The practice of British bus operators in planning urban bus services[J]. Traffic

Engineering and Control, 1982, 23: 6670.

[32] 王炜, 杨新苗, 陈学武. 城市公共交通系统规划方法与管理技术[M]. 北京: 科学出版社, 2002. [33] 王炜. 实用公交网络规划方法研究[J]. 东南大学学报, 1990, 20(4): 81-88.

[34] A. Ceder, B. Golany, and O. Tal. Creating bus timetable with maximum synchronization[J]. Transportation Research Part

A, 2000, 35: 913-928.

[35] 赵德川, 赵建武, 林杨. 基于免疫遗传算法的公交线网优化研究[J]. 交通信息与安全, 2009, 6(27): 43-51. [36] 赵建武. 基于免疫遗传算法的公交线网优化研究[D]. 大连, 大连理工大学, 2009.

[37] Fernandez, R. An expert system for the preliminary design and location of high-capacity bus-stop. Traffic Engineering

and Control, 1993, 34(11): 533-539

[38] Ammons, D. N. Municipal benchmarks: Assessing local performance and establishing community standards (2nd ed.),

2001, Thousand Oaks: Sage.

[39] Demetsky, M. J., Lin, B. Bus stop location and design[J]. Transportation Engineering Journal of ASCE, 1982, 108:

313-327.

[40] 田春春. 常规公交停靠站优化设置研究[D]. 南京, 东南大学, 2009.