详情

原文传递车联网环境下拥堵路网逐日交通分配研究

论文题名：	车联网环境下拥堵路网逐日交通分配研究
关键词：	交通网络规划;日交通分配;动态演化;车联网
摘要：	近年来，汽车数量的不断增加导致城市网络中的交通需求也呈现出递增趋势，然而现有的交通基础设施无法满足逐渐增加的交通需求，城市交通路网因此变得拥堵。随着科学技术的迅速发展，交通信息技术被运用来缓解路网拥堵问题，同时处于车联网（IoV）技术背景下的交通网络规划也受到交通信息的影响。信息诱导出行者做出路径抉择决策，从而影响路网的逐日演化状态。然而在实际路网中，信息对出行者的影响需要更符合实际的建模体系来描述，因此本文依据用户使用的车辆类型以及信息遵从程度划分出行者类别，进一步基于交通网络理论建立逐日交通分配模型，描述路网在非网联车和网联车混行前提下的动态演化过程，主要工作总结如下：　　（1）根据用户出行使用的车辆类型将用户分为非网联车出行者和网联车出行者，接着考虑网联车用户对信息的主观信服程度，进一步将网联车用户划分成完全遵从信息的网联车出行者以及不完全遵从信息的网联车，然后基于交通网络均衡理论构建考虑遵从程度的混合逐日交通分配模型。模型主要分为路径选择模型、流量调整模型以及经验学习模型。在路径选择模型中，非网联车用户和网联车用户分别遵从随机用户均衡（SUE）原则、随机系统最优（SSO）原则选择路径，三类出行者的选择概率模型为Logit模型。流量调整模型中，所有出行者完成路径选择之后，路网流量根据各出行者的占比进行调整。经验学习模型中，三类出行者分别按照预测信息和昨日的出行历史经验、车联网信息、结合前两者的历史信息和车联网信息来更新路径。　　（2）为了描述拥堵路网下路段出行时间随着流量减少而递增的特性，采用更合适的拥堵路段阻抗函数，该函数引入车辆疏散流量用于特征分析。进一步改进考虑遵从程度的混合逐日交通分配模型，构建拥堵路网混合流量逐日交通分配模型，该模型同样由路径选择模型、流量调整模型以及经验学习模型组成。结合真实路网算例，一方面调整随机误差参数、网联车用户占比、历史出行经验信息依赖度和车联网出行信息遵从度来分析均衡路网相关特性以及出行者演化特征，另一方面对比两个模型在同一路网下不同均衡状态的流量特性。　　（3）结果表明，出行者混合出行条件下的路网最终达到稳定状态与随机误差参数有关。相比单一原则的逐日交通分配模型，混合流量的逐日交通分配模型对比SSO原则逐日交通分配模型，达到均衡所需的天数缩短了20d；对比SUE原则逐日交通分配模型，均衡路网的稳定性提高了26.22%。在拥堵路网的逐日交通分配模型中，均衡拥堵状态下的流量和车辆数，相较于畅通路网均衡状态下的情况分布更为平均，最终达到均衡的路网稳定性更高。　　（4）研究网联车加入城市交通对路网特性以及出行者出行行为的影响，有利于给以后的网联车应用提供更符合实际的建模方案，同时能够策划更适合混合出行的交通决策，从而进一步缓解交通拥堵。
作者：	徐文倩
专业：	交通运输工程
导师：	常玉林
授予学位：	硕士
授予学位单位：	江苏大学
学位年度：	2022