基于出行者预算限制的交通分配方法与流程

本发明涉及道路交通管理领域，尤其涉及一种基于出行者预算限制的交通分配方法。

背景技术：

交通拥堵是目前伴随城市化进程而来的严重问题，对国民经济、居民幸福感、环境都有着比较显著的负面影响。面对日益严重的交通拥堵问题，一些大城市正在准备征收拥堵费，用经济手段来来限制城市道路高峰期的车流密度，并通过由此带来的交通量减少来降低交通事故的发生、环境的污染和能源的消耗，提高整个城市交通的运营效率。

现有的交通分配方案需要获知道路的所有路径集合，这在实践中会消耗很多时间和存储空间，且用户的异质性体现在很多方面，不同人群出行，由于其出行目的、出行者以及机动车种类的不同，存在多样的预算限制，这并没有被考虑在现有的路径分配中，因此无法体现由于不同人群的预算限制不同而对交通网络均衡产生影响的问题，从而影响对规划路网流量的预判与路网规划方案的决策。

技术实现要素：

针对上述现有技术中的不足，本发明提供一种基于出行者预算限制的交通分配方法，为交通运输网络的改建提供更精准的量化的性能评价结果，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。

为了实现上述目的，本发明提供一种基于出行者预算限制的交通分配方法，包括步骤：

s1：获取的一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络；

s2：利用所述抽象交通网络确定所述目标交通网络的交通需求；

s3：根据所述交通需求建立所述目标交通网络的一预算限制约束模型；

s4：根据所述预算限制约束模型建立一交通分配模型；

s5：对所述交通分配模型求解计算获得所述目标交通网络的分配结果。

优选地，所述抽象交通网络包括至少一出行方案，每一出行方案中包括一起点和一讫点，每一出行方案中的所述起点和所述讫点之间包括多条交通路径，所述交通路径由若干路段首尾相连而成，所述相关参数信息包括每一出行方案中所述起点和所述讫点之间的交通出行总人数。

优选地，所述s2步骤中，根据所述交通出行总人数和所述网络结构数据确定所述目标交通网络的交通需求。

优选地，所述s3步骤中，所述预算限制约束模型为：

其中，bm代表第m类出行者的出行预算限制；r表示起点，s表示讫点，表示起点和讫点间第k条路径的出行费用；代表第m类出行者在起点和讫点间第k条路径上的交通流量；为第m类出行者在起点和讫点间的所有需求。

优选地，所述s4步骤中，所述交通分配模型为：

其中，xn为路段n上的交通流量；z(xn)为所述目标交通网络的流量的积分之和；tn(w)为在路段n上的通行时间函数。

优选地，所述路段n上的交通流量xn满足公式：

其中，表示路段路径关联指示符，当路段n位于起点到讫点上时，若否则，

优选地，所述路段n上的通行时间函数为：

其中，表示第n路段完全畅通时的通行时间，cn为第n路段的收费；α为第一通行时间参数；β为第二通行时间参数。

优选地，所述s5步骤进一步包括步骤：

s51：可行性检测步骤；

s52：对所述交通分配模型进行初始化，分配获得此时各路段的第一交通流量；

s53：计算此时所述交通分配模型中各所述路段的通行时间；

s54：根据更新后的各所述路段的通行时间重新寻找每种出行者的最短路径，得到一辅助解集{yn}；

s55：根据一优化公式求解最优步长因子η：

其中η表示最优步长因子；

s56：根据一流量更新公式计算获得更新后的第二交通流量：

xn＝xn+η(yn-xn)(6)；

s57：判断所述第二交通流量所对应的交通分配模型与所述第一交通流量所对应交通分配模型的差值是否小于一阈值；如是，根据所述第二交通流量计算各所述交通路径的一第三交通流量和各所述交通路径的通行时间，并将所述第二交通流量、所述第三交通流量和各所述交通路径的通行时间作为所述分配结果并输出；如否，返回步骤s51。

优选地，所述可行性检测步骤中，对每一组对应的起点和讫点，寻找物理距离最短的一交通路径，如该交通路径不能满足一所述出行者的预算限制约束模型，则得出所述目标交通网络不满足这当前所述出行者的结论，将所述结论输出。

优选地，所述s52步骤进一步包括步骤：

变更各所述路段的通行时间，寻找各所述出行者所对应的一最短交通路径，根据所述目标交通网络的交通需求，分配获得各路段的第一交通流量。

本发明由于采用了以上技术方案，使其具有以下有益效果：

本发明将实际路网抽象为抽象的交通网络，构建考虑有预算限制的交通分配模型。本发明由于预算限制约束模型的采用，使得在实际应用场景中，在硬性限制下求出的交通流量更符合实际，从而为交通运输网络的改建提供更精准的量化的性能评价结果。本发明可以得到基于特定场景的道路网络交通流分布的路段流量和路径流量指标，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。

附图说明

图1为本发明实施例的基于出行者预算限制的交通分配方法的流程图；

图2为本发明实施例的一组起点讫点和对应交通路径的网络示意图。

具体实施方式

下面根据附图1，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。

请参阅图1和图2，本发明实施例的一种基于出行者预算限制的交通分配方法，包括步骤：

s1：获取的一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络。

抽象交通网络包括至少一出行方案，每一出行方案中包括一起点1和一讫点2，每一出行方案中的起点1和讫点2之间包括多条交通路径3，交通路径3由若干路段首尾相连而成，相关参数信息包括每一出行方案中起点1和讫点2之间的交通出行总人数。

也即，对现实中的目标交通网络进行抽象，然后通过数据提取和处理的方式，确定交通路网络结构和相关的参数。

s2：利用抽象交通网络并根据交通出行总人数和网络结构数据确定目标交通网络的交通需求。

s3：根据交通需求建立目标交通网络的一预算限制约束模型。

其中，预算限制约束模型为：

其中，bm代表第m类出行者的出行预算限制；r表示起点1，s表示讫点2，表示起点1和讫点2间第k条路径的出行费用，这种费用可以是燃油等能量消耗花费的，也可以是通行拥堵费或过路费；代表第m类出行者在起点1和讫点2间第k条路径上的交通流量；为第m类出行者在起点1和讫点2间的所有需求。

表示第m类出行者在起点1和讫点2间所有路径上的交通流量，只有所有路径上的交通流量与交通出行需求相等时，才能保证路网上所有出行者的出行需求都被满足。

根据网络均衡原则，所有出行者都会选择对自己来说同行时间最短的路径。

里程预算限制的条件也可表示为：

即当第m类出行者的出行里程预算限制bm不大于起点1和讫点2间第k条路径上的费用时，出行者会考虑选择第k条路径；而当第m类出行者的里程费用限制bm小于起点和讫点2间第k条路径的费用时，出行者绝不会考虑选择第k条路径。即不同出行者对出行预算有不同限制，对某类出行者来说，当出行费用超过预算，出行者通常会放弃这条道路，哪怕这条道路可能更畅通更高效。

如对某m类出行者的步行的里程预算限制为100元，如果有一条道路通行费用高于100元，出行者就不会选择当前路径，即使这条路径通行时间更短。预算限制约束模型与出行者的收入水平、出行目的、出行频率密切相关。收入高的出行者相对来说对更高的使用费用有更高的接受能力，然而如果他们此次出行不紧急，也可能采用费用低的道路，对于通勤的出行者来说，通常会选定一条常规的、性价比高的路线。

s4：根据预算限制约束模型建立一交通分配模型。

将s3提出的里程预算约束加入传统的交通分配模型中，根据网络均衡原则，所有出行者都会选择对自己来说同行时间最短的路径，交通分配模型为：

其中，xn为路段n上的交通流量；z(xn)为目标交通网络的流量的积分之和；tn(w)为在路段n上的通行时间函数。

在实际路网中，路径与路段存在约束关系。路段n上的交通流量xn满足公式：

其中，表示路段路径关联指示符，当路段n位于起点1到讫点2上时，若否则，

随交通流量的增加，通行时间显然会随之增加。这里采用美国联邦公路局函数(bpr函数)，具体形式如下：

路段n上的通行时间函数为：

其中，表示第n路段完全畅通时的通行时间，cn为第n路段的收费；α为第一通行时间参数；β为第二通行时间参数。

例如：图2中一出行方案包括一起点1、一讫点2和三条交通路径3，三条交通路径3的通行时间t1、t2、t3和收费c1、c2、c3分别为：

t1＝x1+20,c1＝5；

t2＝2x2+10,c2＝10；

t3＝x3+30,c3＝8；

另外，有两种不同出行预算限制的出行者，两者的出行预算限制b1、b2分别为：

b1＝6，b2＝12。

出行者的交通需求为20。

从而得到基于特定场景的目标交通网络的交通分配模型：

约束条件：

x1,x2,x2≥0。

s5：利用弗兰克-沃尔夫算法对交通分配模型求解计算获得目标交通网络的分配结果。

其中，s5步骤进一步包括步骤：

s51：可行性检测步骤，可行性检测步骤中，对每一组对应的起点1和讫点2，寻找物理距离最短的一交通路径3，如该交通路径3不能满足一出行者的预算限制约束模型，则得出目标交通网络不满足这当前出行者的结论，将结论输出。

例如：按照上述参数，找到三条交通路径3中收费最少的一交通路径3。本实施例中，最少收费交通路径3为第1条路径，其收费c1＝5，而最低出行预算限制为b1＝6，因此不存在不满足需求的情况。

s52：对交通分配模型进行初始化，分配获得此时各路段的第一交通流量。变更各路段的通行时间，寻找各出行者所对应的一最短交通路径3，根据目标交通网络的交通需求，分配获得各路段的第一交通流量。

此时，有x1＝10，x2＝10，x3＝0。

s53：计算此时交通分配模型中各路段的通行时间。根据初始化分配的流量，计算此时路网路段的通行时间tn，t1＝30+x1，t2＝30+2×x2，t3＝30+x3。

s54：根据更新后的各路段的通行时间重新寻找每种出行者的最短路径，得到一辅助解集{yn}，y1＝10，y2＝0，y3＝10。

s55：根据一优化公式求解最优步长因子η：

其中η表示最优步长因子。

η＝0.2。

s56：根据一流量更新公式计算获得更新后的第二交通流量：

xn＝xn+η(yn-xn)(6)；

此时，获得更新后的第二交通流量：x1＝10，x2＝8，x3＝2。

s57：判断第二交通流量所对应的交通分配模型与第一交通流量所对应交通分配模型的差值是否小于一阈值；如是，根据第二交通流量计算各交通路径的一第三交通流量和各交通路径的通行时间，并将第二交通流量、第三交通流量和各交通路径的通行时间作为分配结果并输出；如否，返回步骤s51。

本实施例中，阈值为0.01。本次迭代差值为8，继续迭代，返回步骤s51。

第二次迭代：

①可行性检查。找到收费最少的交通路径3。这里最少收费路径为第1条交通路径3，其收费c1＝5，而最低预算为b1＝6，因此不存在不满足需求的情况。

②初始化。变更各路段的通行时间，寻找各出行者所对应的一最短交通路径3，根据全有全无的原则将路网需求分配在最短交通路径3上。此时，x1＝20，x2＝0，x3＝0。

③通行时间更新。根据初始化分配的各路段的第一交通流量，计算此时各路段的通行时间tn，t1＝40+x1，t2＝10+2×x2，t3＝30+x3。

④迭代方向寻找。根据更新后的网络通行时间重新寻找每种出行者的最短路径，得到辅助解集{yn}，y1＝10，y2＝10，y3＝0。

⑤求解最优步长因子η:

η＝0.375

⑥根据

xn＝xn+η(yn-xn)

更新路网流量xa:则x1＝16.25，x2＝3.75，x2＝0。

⑦迭代终止判断。这本差值为3.75，返回步骤s51。

继续迭代，直至第15次迭代后，差值为0.00385，小于阈值0.01，结束迭代，输出分配结果。分配结果包括第二交通流量、第三交通流量和各路段的通行时间。

本发明将实际路网抽象为抽象的交通网络，构建考虑有预算限制的交通分配模型。预算限制的情况出现在汽车燃料不足或因个人经济情况、出行目的不同产生的预算限制，路径选择过程中，用户固然希望选择最短路径，但最短路径通常匹配着更高的花费，如拥堵费、过路费、高架费等。实际应用场景中，用于预算限制的交通分配方法使得在硬性限制下求出的交通流量更符合实际，从而为交通运输网络的改建提供更精准的量化的性能评价结果。该方案可以得到基于特定场景的道路网络交通流分布的路段流量和路径流量指标，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。

以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。