路網(wǎng)交通流演化模型及其貝葉斯推斷.pdf

1、無論是交通動態(tài)管控措施的優(yōu)化提升，還是智能交通系統(tǒng)的設計實施，都離不開對路網(wǎng)交通流動態(tài)演化過程的模擬和預測。交通網(wǎng)絡流演化模型是對傳統(tǒng)交通均衡分配方法的延伸和發(fā)展，它從個體層面考慮了路網(wǎng)出行者日復一日的經(jīng)驗學習和決策調(diào)整行為，因此能夠在集計層面描述路網(wǎng)交通流的逐日變化過程。由于動態(tài)演化模型所具有的優(yōu)勢，對它的研究在最近三十年來變得越來越深入。但已有的大多數(shù)模型在研究視角、建模方法等方面都存在諸多分割，尚未形成統(tǒng)一的理論框架，對各個模型之

2、間的關系也未明確。另外，大量的研究工作還處在理論分析階段，有關模型參數(shù)的校正估計工作依然欠缺，離實際應用尚存在距離。
　　本論文旨在建立出行者行為機理相統(tǒng)一的確定過程(Deterministic Process，DP)和隨機過程(Stochastic Process，SP)演化模型，比較分析兩類模型各自的特性和適用條件，并設計模型參數(shù)的統(tǒng)計推斷方法。論文系統(tǒng)研究了路網(wǎng)交通流逐日動態(tài)演化模型的相關理論問題，著力于“模型建立—特性分析

3、—參數(shù)估計”這一完整過程的方法設計。
　　論文的主要研究內(nèi)容包括:
　　(1)研究體系的構建以及研究方法的確立。通過對路網(wǎng)交通流動態(tài)演化模型的研究綜述，確定了以DP和SP兩類演化模型作為本文的研究對象。根據(jù)出行個體日復一日出行行為特征，提出了統(tǒng)一的動態(tài)演化模型構建框架。結合兩類模型各自的理論特性，確定了以非線性動力系統(tǒng)和隨機過程（馬爾科夫鏈）理論分別作為兩類模型的建模和理論分析方法。按照易獲取和穩(wěn)定可靠的原則，選定了路段交通

4、量逐日連續(xù)觀測數(shù)據(jù)作為模型參數(shù)估計依據(jù)，鑒于觀測數(shù)據(jù)包含的似然信息特征，確定了以貝葉斯推斷技術作為模型參數(shù)估計方法。
　　(2)路段交通流DP演化模型的建立及其理論特性研究?；趧討B(tài)演化模型框架，分別推導了描述路網(wǎng)出行者對經(jīng)驗學習更新和對路徑選擇調(diào)整的動力方程，通過整合兩個方程，建立了DP演化模型，用于描述路網(wǎng)交通流逐日平均變化趨勢。同時，運用非線性動力系統(tǒng)理論，對模型的不動點及其存在性、唯一性、穩(wěn)定性等理論特性進行了分析。

5、>　　(3)隨機路網(wǎng)條件下DP演化模型的擴展。在路段通行能力隨機下降的環(huán)境中，構建了一個擴展的DP演化模型，同時考慮了出行者的風險性路徑選擇行為，和ATIS交通預測信息在路網(wǎng)系統(tǒng)中發(fā)揮的作用。在擴展模型中，引入了“出行時間預算”(TTB)概念，以體現(xiàn)出行者對路徑負效用的感知。同時，設計了一致性交通信息預測機制，用來體現(xiàn)ATIS的交通信息發(fā)布策略。通過對所建模型的理論分析和算例驗證，明確了出行者風險態(tài)度、ATIS交通預測信息兩類因素對路網(wǎng)

6、交通流演化過程的影響。
　　(4)路網(wǎng)交通流SP演化模型的建立及其實現(xiàn)方法設計。在DP演化模型的基礎上，額外考慮了OD總出行需求的逐日波動和個體出行者決策行為的主觀隨機性對路網(wǎng)交通流演化的共同影響作用，將交通網(wǎng)絡流演化過程抽象成以馬爾科夫過程，推導出了交通流分布狀態(tài)之間的轉移方程，并以此構建了交通網(wǎng)絡流SP演化模型。給出了模型的規(guī)則性條件，保證演化過程能最終收斂到唯一的交通流平穩(wěn)概率分布。在此基礎上，設計了基于蒙特卡羅模擬技術的模

7、型實現(xiàn)方法。
　　(5)路網(wǎng)交通流DP和SP演化模型關系分析。在路網(wǎng)交通量和路段通行能力“同步無限放大”的條件下，給出了路網(wǎng)交通流隨機演化平穩(wěn)分布的漸進結果，探討了DP、SP演化模型各自的平穩(wěn)結果與路網(wǎng)交通流隨機型用戶均衡(Stochastic User Equilibrium，SUE)狀態(tài)之間的關系。通過對DP、SP兩類模型進行回顧和比較，采用漸進分析方法，研究了兩類模型之間的對應關系。根據(jù)理論分析結果，確定了DP、SP兩類演化

8、模型各自的適用條件。
　　(6)路網(wǎng)交通流演化模型參數(shù)估計方法的建立及抽樣算法設計。根據(jù)貝葉斯推斷思想，通過執(zhí)行路網(wǎng)交通流動態(tài)演化的逆過程，以路網(wǎng)交通量逐日連續(xù)觀測數(shù)據(jù)作為輸入信息，反估出演化模型中的各類參數(shù)，包括路網(wǎng)OD交通矩陣以及出行者行為參數(shù)。以SP演化模型為基礎，推導出了模型參數(shù)的似然表達式，結合先驗信息，建立了貝葉斯推斷模型。同時，設計了具體的馬爾科夫鏈蒙特卡羅(Markov Chain Monte Carlo，MCMC