考虑环境效益的多种交通管控措施联合优化方法及系统与流程

本发明属于交通环境工程
技术领域：
，具体涉及一种考虑环境效益的多种交通管控措施联合优化方法及系统。
背景技术：
：随着我国经济的快速发展及人们生活水平的不断提高，购车需求稳步增长，机动车保有量逐年上升。据公安部交通管理局统计，截至2015年底，全国机动车保有量达2.79亿辆，其中汽车1.72亿辆，新注册量和年增量均达历史最高水平。机动车保有量的增加，在方便人们出行的同时，也会引发交通拥堵、环境污染等一系列问题。2015年全国环境监测会上，环保局副局长提及9个城市的大气污染源解析结果，已确定北京、杭州、广州、深圳四个城市的首要大气污染来源是机动车。因此，如何通过科学的交通管理和合理的控制措施减少交通排放，改善空气质量，已成为亟待解决的问题。交通管控措施主要有：路段和转向禁行、信号配时、道路收费等。在前人的研究和实际应用中，上述手段主要用来提高路网运行效率。然而随着环境问题的日益凸显，有必要将其应用到考虑环境效益的交通控制中。尽管在交通排放控制问题上，国内外学者做出过许多卓有成效的研究，但对于交通效率与环境效益的相互平衡，以及管控措施的联合优化却鲜有提及，也没有充分利用到日益兴起的车联网技术。技术实现要素：本发明的目的在于针对现有技术的不足，提供一种考虑环境效益的多种交通管控措施联合优化方法，利用车联网技术所提供的海量数据信息，通过对多种交通管控措施的联合优化，在兼顾路网运行效率的同时，减少路网机动车尾气排放，改善空气质量。本发明的目的是通过以下技术方案来实现的：一种考虑环境效益的多种交通管控措施联合优化方法，该方法包括以下步骤：(1)交通管理者确定控制区域的范围、交通评价指标和预期控制效果。所述交通评价指标能反映路网整体运行情况，并兼顾路网运行效率和环境效益。(2)获得控制区域内道路、车辆、环境、交通管控方案信息。(3)宏观交通流仿真输入数据预处理。(3.1)对步骤(1)中划定的控制区域，统计其中的路段总数和节点总数，并给每个路段和节点按顺序编号。(3.2)确定每种交通方式下需要控制的车辆类型，根据步骤(2)中所获得的车流量信息，反推控制区域内的交通需求，交通需求以人数为基本单位。交通需求以OD阵的形式表示，用二维数组Q描述，对数组中每个元素Q[i][j]，标号i代表起点，标号j代表终点，Q[i][j]的值代表i到j之间单位时间内的交通需求。(3.3)根据步骤(2)中获得的道路信息和车流量信息，推导控制区域内每条路段在不同交通方式下的通行能力C。(3.4)根据道路信息，获得路段的自由流速度v。根据自由流速度v和步骤(2)中获得的路段长度L估算每条路段在不同交通方式下的自由流时间t0＝L/v。(3.5)根据路段通行能力C和自由流时间t0设计路段在不同交通方式k下的时间路阻t。其中t是交通方式k在路段a上的车流量x的函数，函数满足以下条件：单调递增且连续可微；在流量极小时，路阻接近零流阻抗；允许过饱和流量的存在。(3.6)确定待优化的交通管控措施及其实施的具体路段或交叉口，记录当前的控制方案。其中交通管控措施包括但不限于路段和转向禁行、信号配时、道路收费、路段渠化、潮汐车道、通行优先权设置。(3.7)确定待优化交通管控措施对时间路阻函数的影响，并将其以控制(变量的形式添加到时间路阻函数的数学表达中，得到广义路阻函数c。(3.8)根据步骤(2)中所测得的空气中污染物浓度信息，确定要控制的污染物类型。污染物的评估指标可以是污染物对人体健康的危害程度或对空气能见度的影响程度。(3.9)对步骤(3.8)中需要进行控制的污染物，根据步骤(2)中获得的每辆车单位时间内该污染物的平均排放量，估算出不同交通方式下该污染物在控制区域范围内的平均排放因子。(4)宏观交通流仿真(4.1)将步骤(2)和步骤(3)获得的数据输入到宏观交通流仿真模块中，进行仿真。其中宏观交通流仿真模块，需要具有以下功能：①自定义仿真时长。②自定义交通需求，包括固定需求和弹性需求。③自定义路阻函数。④自定义多种不同车型，并能模拟交通方式分担。⑤自定义交通管控方案。⑥按随机用户平衡分配原则模拟路网上车辆的路径选择行为。⑦在仿真结束后能生成报表，输出路网运行信息。所述信息包括但不限于，路网总交通需求，选择每种交通方式的人数，路网中每条路段上不同类型车辆的流量，路网总旅行时间，路网中不同类型污染物的排放量。(4.2)所述的宏观交通流仿真模块可以是经过二次开发后能满足(4.1)所述仿真需求的商业交通仿真软件，如Vissim、Aimsun、TransModeler等，也可以是自主建立的交通流仿真模型如元胞传输模型，或用数学规划形式表示的数学模型。不同的是商业交通仿真软件可以在输入数据后直接使用，而自主建立的模型需要使用编程语言转换成可执行的程序后再输入数据进行交通流仿真。所述的编程语言包括但不限于MATLAB，C，C++，JAVA。(4.3)宏观交通流的仿真按如下步骤进行：(4.3.1)设置计算次数，n＝1。(4.3.2)根据输入的OD阵，按交通方式分担模型确定每种交通方式下的交通需求。此处所做的假设是出行者从始点到终点一直使用同一种交通方式，中途没有交通方式的转换。所述的交通方式分担模型采用以个人为单位的非集计模型，包括但不限于Logit模型，Probit模型。(4.3.3)对每一种具体的交通方式k，根据其平均载客量m，将交通需求人数矩阵Qk转换为交通需求车辆数矩阵qk。转换方式为qk＝Qk/m。(4.3.4)对每一种具体的交通方式k和交通需求qk，按随机用户平衡模型进行交通分配，得到路段流量矩阵xk,n。分配的原则是：广义路阻是决定路径选择的唯一因素；广义路阻受交通流量和交通管控措施的影响；不同交通方式之间互不影响。所述随机用户平衡模型能模拟出行者对路阻估计的不确定性，包括但不限于多元Logit模型，多元Probit模型，Burrell模型。(4.3.5)判断计算次数n是否大于3，如果n>3，执行步骤(4.3.6)；否则将n加1，按照广义路阻函数的计算公式，将步骤(4.3.4)中的路段流量矩阵带入，更新广义路阻，执行步骤(4.3.2)，开始新一次的流量分配。(4.3.6)进入此步骤说明计算次数已经符合判断路网平衡的要求。对每一种具体的交通方式k，按公式计算其第n,n‐1,n‐2次流量分配结果的平均值并与第n‐1,n‐2,n‐3次流量分配结果的平均值比较。如果二者的差值超出预设的精度范围，说明路网没有达到平衡，需要将n加1，按照广义路阻函数的计算公式，将步骤(4.3.4)中的路段流量矩阵带入，更新广义路阻，执行步骤(4.3.2)，开始新一次的流量分配。如果二者的差值在预设的精度范围内，则判定路网已经达到平衡，结束计算。(4.3.7)输出每一种交通方式k的流量矩阵xk,n，路网总旅行时间，路网中不同类型污染物的排放量。(5)交通控制效果评价将宏观交通流仿真的结果与步骤(1)中交通管理者的预期控制效果进行比较。比较的指标至少有两项，一项反映路网整体运行效率，一项反映路网整体环境效益。如果比较结果没有达到预期目标则执行步骤(6)；如果达到则执行步骤(7)。(6)交通管控方案优化(6.1)所述的控制方案中，至少包含两种交通管控措施。对每一种交通管控措施，使用一组控制变量表达，以控制变量具体数值的变化反映交通管控方案的变化。(6.2)使用一个一维数组存储所有的控制变量，作为一个交通管控方案，采用优化算法对交通管控方案进行优化获得新的交通管控方案。(6.3)将新的交通管控方案带入广义路阻函数，更新路阻，执行步骤(4)，进行新一次的宏观交通流仿真。(7)通过车载终端发布新的交通管控方案，使出行者提前对出行方式和路径做出规划。进一步地，所述步骤(1)中，所述控制区域的特点是：处于城市范围内，区域边界清晰，区域内部路段完整，至少包含一个信号控制交叉口，对空气质量要求较高且行人出入频繁。包括但不限于景区，古建筑聚集区，居民区，步行街等。进一步地，所述步骤(1)中，所述路网运行效率可以用所有出行者总旅行时间或总广义出行花费表示；环境效益可以用机动车污染物排放量，空气中污染物浓度，空气质量指数等指标表示。预期的控制效果可以是各个指标的实际值达到期望值，如空气中污染物浓度实际值低于期望值；也可以是各个指标的实际变化达到期望的变化，如机动车污染物排放量降低百分之十。进一步地，所述步骤(2)具体如下：(2.1)通过商业网络地图搜索服务，如百度地图，高德地图等，获得控制区域内路网信息。包括道路的几何形状，车道数，路段长度L，以及路段之间的邻接关系。(2.2)通过车联网中车载GPS，路侧车牌识别装置，获取每条路段a上不同交通方式k的车流量x。(2.3)通过车联网中车载排放检测装置，获得每辆车单位时间内每种污染物的平均排放量。其中，所能测得的污染物包括但不限于二氧化碳，一氧化碳，颗粒物，碳氢化合物和氮氧化物。(2.4)通过空气质量检测站点获得控制区域内污染物浓度信息。(2.5)通过交通控制系统获得控制区域内各路段及交叉口的交通管控方案。进一步地，所述步骤(6)中，根据控制变量的特征，可以将交通管控方案分为离散和连续两种类型。离散类型交通管控方案的控制变量可以使用0‐1变量表示，如路段和转向禁行，通行为1，不通为0；连续类型交通管控方案的控制变量在设定的范围内连续变化，如对于道路收费，可以使用路段收费费率p表示，其中pmax>＝p>＝pmin。对于信号配时，可以使用路段出口道的绿信比λ表示，其中λmax>＝λ>＝λmin。进一步地，所述步骤(6.2)中，所述优化算法包括但不限于遗传算法，粒子群算法，模拟退火算法。一种考虑环境效益的多种交通管控措施联合优化系统，系统中所有车辆均接入网络，车与车，车与路，车与交通控制系统，可以实现数据和信息的传递。该系统包括控制范围划定与预期效果设定模块，数据采集模块，仿真数据预处理模块，宏观交通流仿真模块，交通控制效果评价模块，控制方案优化模块，控制方案发布与实施模块。控制范围划定与预期效果设定模块的功能是由交通管理者根据控制要求，输入城市范围内需要进行管控措施优化的区域，并确定此区域的交通评价指标和预期控制效果。数据采集模块的功能是实现道路、车辆、环境、交通管控方案的采集和存储，并与宏观交通流仿真模块连接，实现数据的传递和共享。仿真数据预处理模块的功能是将数据采集模块传递的数据进行处理，转化成能被宏观交通流仿真模块直接使用的输入参数。宏观交通流仿真模块的功能是接收仿真数据预处理模块提供的数据，对实际交通流进行模拟，再现实际交通网络运行情况，并输出交通网络运行信息给交通控制效果评价模块。交通控制效果评价模块的功能是接收宏观交通流仿真模块输出的交通网络运行信息，与交通管理者的预期目标进行比较，判断当前路网运行情况是否达到预期目标。如果达到预期目标，则将当前控制方案输出给控制方案发布与实施模块；如果没有达到预期目标，则将当前控制方案输出给控制方案优化模块进行优化。控制方案优化模块的功能是接收交通控制效果评价模块输出的没有达到预期控制目标的控制方案，对该方案进行优化，并将优化后的新方案输出给宏观交通流仿真模块，再次仿真。控制方案发布与实施模块的功能是接收交通控制效果评价模块发送的符合预期控制目标的控制方案，将控制方案对外公开，并应用到实际交通控制中。本发明的有益效果是：在充分利用车联网数据的基础上，从宏观角度，通过多种交通管控措施联合优化的方式，达到减少城市区域内机动车尾气排放的目的。充分利用车联网数据，避免了人工采集所耗费的时间、精力以及统计和测量误差，准确度高，实时性好，数据量大；宏观交通流仿真，从系统的角度出发，注重路网整体运行效果，相比微观和中观仿真，更适合大面积推广使用；在同一个平台上，实现多种交通管控措施的联合优化，充分考虑不同管控措施间的相互影响，更符合实际运行需求；以减少城市区域内机动车尾气排放为优化目标，在保证路网运行效率的同时，改善空气质量，降低交通排放对出行者的健康影响，提高环境效益。附图说明图1是本发明中车联网环境下考虑环境效益的多种交通管控措施联合优化系统框图；图2是本发明中实例分析的路网拓扑图；图3是本发明中宏观交通流仿真流程图。具体实施方式以下结合附图及实例对本发明进行详细说明。本发明方法应用于以下车联网环境下考虑环境效益的多种交通管控措施联合优化系统，系统中所有车辆均接入网络，车与车，车与路，车与交通控制系统，可以实现数据和信息的传递，如图1所示。系统包括控制范围划定与预期效果设定模块，数据采集模块，仿真数据预处理模块，宏观交通流仿真模块，交通控制效果评价模块，控制方案优化模块，控制方案发布与实施模块。控制范围划定与预期效果设定模块的功能是由交通管理者根据控制要求，输入城市范围内需要进行管控措施优化的区域，并确定此区域的预期控制效果。数据采集模块的功能是实现道路、车辆、环境、交通管控方案的采集和存储，并与宏观交通流仿真模块连接，实现数据的传递和共享。仿真数据预处理模块的功能是将数据采集模块传递的数据进行处理，转化成能被宏观交通流仿真模块直接使用的输入参数。宏观交通流仿真模块的功能是接收仿真数据准备模块提供的数据，对实际交通流进行模拟，再现实际交通网络运行情况，并输出交通网络运行信息给交通控制效果评价模块。交通控制效果评价模块的功能是接收宏观交通流仿真模块输出的交通网络运行信息，与交通管理者的预期目标进行比较，判断当前路网运行情况是否达到预期目标。如果达到预期目标，则将当前控制方案输出给控制方案发布与实施模块；如果没有达到预期目标，则将当前控制方案输出给控制方案优化模块进行优化。控制方案优化模块的功能是接收交通控制效果评价模块输出的没有达到预期控制目标的控制方案，对该方案进行优化，并将优化后的新方案输出给宏观交通流仿真模块，再次仿真。控制方案发布与实施模块的功能是接收交通控制效果评价模块发送的符合预期控制目标的控制方案，将控制方案对外公开，并应用到实际交通控制中。本发明方法包括以下步骤：步骤(1).交通管理者确定控制区域的范围、预期控制效果。(1.1)交通管理者划定待优化的控制区域。其中控制区域的特点是：处于城市范围内，区域边界清晰，区域内部路段完整，至少包含一个信号控制交叉口，对空气质量要求较高且行人出入频繁。包括但不限于景区，古建筑聚集区，居民区，步行街等。本例中，划定的控制区域为浙江省绍兴市城区内某处包含两个信号控制交叉口的区域。区域内部包含多个公园，对空气质量要求较高，符合控制要求。(1.2)交通管理者确定交通评价指标和预期的控制效果。其中，交通评价指标应具有宏观特征，能反映路网整体运行情况，并兼顾路网运行效率和环境效益。路网运行效率可以用所有出行者总旅行时间或总广义出行花费表示；环境效益可以用机动车污染物排放量，空气中污染物浓度，空气质量指数等指标表示。预期的控制效果可以是各个指标的实际值达到期望值，如空气中污染物浓度实际值低于期望值；也可以是各个指标的实际变化达到期望的变化，如机动车污染物排放量降低百分之十。本例中，选定的评价指标是路网中所有出行者的总旅行时间以及路网上机动车的总排放。预期效果是在不降低路网运行效率的情况下，使总排放最小。步骤(2).获得控制区域内道路、车辆、环境、交通管控方案等信息。(2.1)通过商业网络地图搜索服务，获得控制区域内路网信息。包括道路的几何形状，车道数，路段长度L，以及路段之间的邻接关系。本例中，通过百度地图，获得控制区路网信息。(2.2)通过车联网中车载GPS，路侧车牌识别装置，获取每条路段a上不同车型k的车流量x。(2.3)通过车联网中车载排放装置，获得每辆车单位时间内每种污染物的平均排放量。其中，所能测得的污染物包括但不限于二氧化碳，一氧化碳，颗粒物，碳氢化合物和氮氧化物。(2.4)通过空气质量检测站点获得控制区域内污染物浓度信息。(2.5)通过交通控制系统获得控制区域内各路段及交叉口的交通管控方案。步骤(3).宏观交通流仿真输入数据预处理。(3.1)对步骤(1)中划定的控制区域，统计其中的路段总数和节点总数，并给每个路段和节点按顺序进行编号，分配唯一的ID。本例中路网拓扑图如图2所示。此处，为简化问题的研究，只采用单向交通流作为分析对象。路网中以圆圈表示节点，线段代表路段，节点上的字母和路段上数字分别代表其编号，其中节点数共12个，路段数共17个。路段的邻接矩阵见表1，路段长度见表2。表1路段邻接矩阵表2路段长度路段编号123456789L(km)0.8290.6120.8560.8010.9750.8310.6050.7340.966路段编号1011121314151617L(km)0.6970.710.5960.7620.9180.7690.5471.1(3.2)确定每种交通方式下需要控制的车辆类型，根据步骤(2)中所获得的车流量信息以及每辆车的平均载客量，反推控制区域内的交通需求。交通需求以OD阵的形式表示，用二维数Q组描述，对数组中每个元素Q[i][j],标号i代表起点，标号j代表终点，Q[i][j]的值代表i到j之间单位时间内的交通需求，此处交通需求以人数为基本单位。本例中，只存在两种交通方式，每种交通方式下有一种车型，分别为小汽车和公交车。此外，仅对以节点1为始点，节点12为终点的OD对进行分析，交通需求为3000人/小时。(3.3)根据步骤(2)中获得的道路信息和车流量，推导控制区域内每条路段对不同车型车辆的通行能力C。本例中，小汽车的道路通行能力为C1，公交车的道路通行能力为C2。对于无信号控制的路段，其通行能力与饱和流率S相等；对于有信号控制的路段，由饱和流率、与路段关联的交叉口的绿信比共同决定。饱和流率的具体数值如下表所示：表3路段饱和流率路段编号123456789S1(veh/h)180018002000180021001800210020002100S2(veh/h)120012001334120014001200140013341400路段编号1011121314151617S1(veh/h)21001800180020001800210018001800S2(veh/h)14001200120013341200140012001200(3.4)根据道路信息，获得路段的自由流速度v。根据自由流速度v和步骤(2)中获得的路段长度L估算每条路段对不同车型车辆的自由流时间t0＝L/v。本例中，自由流速度为60km/h，计算得到的每条路段上的自由流时间如表4所示：表4路段自由流时间路段编号123456789t0(h)0.01380.01020.01430.01340.01630.01380.01010.01220.0161路段编号1011121314151617t0(h)0.01160.01180.00990.01270.01530.01280.00910.0183(3.5)根据路段通行能力C和自由流时间t0设计路段对不同车型车辆k的时间路阻t。其中t是车型k在路段a上的流量x的函数，且需要满足以下条件：函数是单调递增、连续可微的；在流量极小时，路阻接近零流阻抗；允许过饱和流量的存在。在本例中，使用BPR函数作为时间路阻函数。(3.6)确定待优化的交通管控措施及其实施的具体路段或交叉口，记录当前的交通管控方案。其中交通管控措施包括但不限于路段和转向禁行、信号配时、道路收费、路段渠化、潮汐车道、通行优先权设置。本例中，使用的交通管控措施为排放收费和信号配时。其中对排放收费，所选取的控制变量为路段的收费率p，针对公交车和小汽车两种车型，收费方式为公交车不收费，小汽车收费，每条路段上的费率依次用p1，p2，…p12表示；对信号配时，所选取的控制变量为路段所对应出口道的绿信比λ，忽略全红时间及黄灯时间，设路段7，3，12，8出口道的绿信比分别为λ1，λ2，λ3，λ4。(3.7)确定待优化交通管控措施对时间路阻函数的影响，并将其以控制变量的形式添加到时间路阻函数的数学表达中，得到广义路阻函数c。本例中，广义路阻的表达为：c(x,p,λ)＝μt(x,λ)+lpef其中l为路段长度，p为收费费率，ef为排放因子，μ为时间价值转换系数，t为时间路阻，其表达为：其中α，β为模型参数，一般取α＝0.15，β＝0.4。m：平均载客量；S：路段饱和流率；(3.8)根据步骤(2)中所测得的空气中污染物浓度信息，确定要控制的主要污染物类型。污染物的评估指标可以是污染物对人体健康的危害程度或对空气能见度的影响程度。本例中，所控制的污染物为二氧化碳，因为其在机动车所排放的污染物中占有较大比例，且会造成温室效应。(3.9)对(3.4)中需要进行控制的污染物，根据步骤(2)中获得的每辆车单位时间内该污染物的平均排放量，估算出不同车型该污染物在控制区域范围内的平均排放因子。本例中，小汽车的二氧化碳排放因子为322.3g/km，公交车的二氧化碳排放因子为1072.8g/km。步骤(4).宏观交通流仿真(4.1)将步骤(2)和步骤(3)获得的数据输入到宏观交通流仿真模块中，进行仿真。其中宏观交通流仿真模块，需要具有以下功能：①自定义仿真时长。②自定义交通需求，包括固定需求和弹性需求。③自定义路阻函数。④自定义多种不同车型的车辆，并能模拟交通方式分担。⑤自定义交通控制方案。⑥按随机用户平衡分配原则模拟路网上车辆的路径选择行为。⑦在仿真结束后能生成报表，输出路网运行信息。所述信息包括但不限于，路网总交通需求，乘坐每种类型车辆的人数，路网中每条路段上不同类型车辆的流量，路网总旅行时间，路网中不同类型污染物的排放量。(4.2)所述的宏观交通流仿真模块可以是经过二次开发后能满足(4.1)所述仿真需求的商业交通仿真软件，如Vissim、Aimsun、TransModeler等，也可以是自主建立的交通流仿真模型如元胞传输模型，或用数学规划形式表示的数学模型。不同的是商业交通仿真软件可以在输入数据后直接使用，而自主建立的模型需要使用编程语言转换成可执行的程序后再输入数据进行交通流仿真。所述的编程语言包括但不限于MATLAB，C，C++，JAVA。本例所使用的宏观交通流仿真模型为以数学规划形式表示的模型，编程语言为MATLAB，具体表示为：其中，为OD对r‐s之间总出行人数；qrs为OD对r‐s之间乘小汽车出行的人数；为OD对r‐s之间乘公交车出行的人数；θ为模型参数，本例中取1；xa为路段a上乘小汽车出行的人流量，人/h；为路段a上乘公交车出行的人流量，人/h；ca(xa,pa)为路段a上小汽车的广义路阻函数；为路段a上公交车的广义路阻函数；表示路径/路段关联关系，如果路段a在连接OD对r‐s的第i条路径上，则否则为连接OD对r‐s的第i条路径上乘小汽车出行的人流量，人/h；为连接OD对r‐s的第i条路径上乘公交车出行的人流量，人/h；γ1，γ2为模型参数，表示出行者对路阻估计的不确定性，值越大表示估计得越准确，本例中均取1。(4.3)宏观交通流的仿真按如下步骤进行：(4.3.1)设置计算次数，n＝1。(4.3.2)根据输入的OD阵，按交通方式分担模型确定每种交通方式下的交通需求。此处所做的假设是出行者从始点到终点一直使用同一种交通方式，中途没有交通方式的转换。所述的交通方式分担模型采用以个人为单位的非集计模型，包括但不限于Logit模型，Probit模型。本例中使用的是Logit模型。(4.3.3)对每一种具体的交通方式k，根据其平均载客量m，将交通需求人数矩阵Qk转换为交通需求车辆数矩阵qk。转换方式为qk＝Qk/m。(4.3.4)对每一种具体的交通方式k和交通需求qk，按随机用户平衡模型进行交通分配，得到路段流量矩阵xk,n。分配的原则是：广义路阻是决定路径选择的唯一因素；广义路阻受交通流量和控制手段的影响；不同交通方式之间互不影响。所述随机用户平衡模型能模拟出行者对路阻估计的不确定性，包括但不限于多元Logit模型，多元Probit模型，Burrell模型。本例中，使用的是多元Logit模型。(4.3.5)判断计算次数n是否大于3，如果n>3，执行步骤(4.3.6)；否则将n加1，按照广义路阻函数的计算公式，将步骤(4.3.4)中的路段流量带入，更新广义路阻，执行步骤(4.3.2)，开始新一次的流量分配。(4.3.6)进入此步骤说明计算次数已经符合判断路网平衡的要求。对每一种具体的交通方式k，按公式计算其第n,n‐1,n‐2次流量分配结果的平均值并与第n‐1,n‐2,n‐3次流量分配结果的平均值比较。如果二者的差值超出预设的精度范围，说明路网没有达到平衡，需要将n加1，按照广义路阻函数的计算公式，将步骤(4.3.4)中的路段流量带入，更新广义路阻，执行步骤(4.3.2)，开始新一次的流量分配。如果二者的差值在预设的误差精度范围内，则判定路网已经达到平衡，结束计算。(4.3.6)输出每一种具体的交通方式k的流量矩阵xk,n，路网总旅行时间，路网中不同类型污染物的排放量。步骤(5).交通控制效果评价(5.1)将(4.1)中宏观交通流仿真的结果与(1.2)中交通管理者的预期控制效果进行比较。比较的指标至少有两项，一项反映路网整体运行效率，一项反映路网整体环境效益。本例中使用的是路网中出行者总旅行时间以及路网中机动车的总排放。(5.2)针对(5.1)中的比较结果，如果没有达到预期目标则执行步骤(6)；如果达到则执行步骤(7)。步骤(6).交通管控方案优化(6.1)所述的控制方案中，至少包含两种管控措施。对每一种管控措施，使用一组控制变量表达，以变量具体数值的变化反映交通管控方案的变化。根据控制变量的特征，可以将交通管控方案分为离散和连续两种类型。离散类型交通管控方案的控制变量可以使用0‐1变量表示，如路段和转向禁行，通行为1，不通为0；连续类型交通管控方案的控制变量在设定的范围内连续变化，如对于道路收费，可以使用路段收费费率p表示,其中pmax>＝p>＝pmin。对于信号配时，可以使用路段出口道的绿信比λ表示，其中λmax>＝λ>＝λmin。在本例中，取绿信比范围[0.05,0.95]，排放收费取值范围为[0,0.5]元/kg，(6.2)使用一个一维数组存储所有的被控变量，作为一个交通管控方案，采用优化算法对交通管控方案进行优化获得新的交通管控方案。所述优化算法包括但不限于遗传算法，粒子群算法，模拟退火算法。(6.3)将新的控制方案带入广义路阻函数，更新路阻，执行步骤(4)，进行新一次的宏观交通流仿真。步骤(7)控制方案的发布与实施(7.1)通过车载终端发布新的交通管控方案，使出行者提前对出行方式和路径做出规划。本例中，最终优化得到的交通管控方案见表5：表5交通管控方案表p1p2p3p4p5p6p7p8p9p10p110.010.340.440.130.470.1800.41000.41p12p13p14p15p16p17λ1λ2λ3λ40.310.280.1200.090.450.410.590.350.65上述实例并非是对于本发明的限制，本发明并非仅限于上述实施例，只要符合本发明要求，均属于本发明的保护范围。当前第1页1 2 3