[发明专利]一种基于路径尺度修正及两阶段优化的交通流分配方法

说明书

本申请涉及一种基于路径尺度修正及两阶段优化的交通流分配方法。该方法包括：通过前期阶段，在原始变量空间运用一阶Taylor展开近似目标函数的第一项，每次迭代时求解一个路径尺度型流量加载问题，最终在原始变量空间中生成一个良好的初始点，使其接近SUE最优解，由于该方法利用了路径尺度型Logit随机用户均衡模型的特殊结构，其搜索方向向量求解公式具有封闭形式解，因此不需要内部迭代，可以节省大量CPU时间，后期阶段，该方法运用二阶Taylor展开近似既约目标函数，每次迭代时求解一个既约牛顿方程，最终找到既约变量空间中的SUE最优解，由于二阶近似方法具有超线性的收敛速度，可以大大提高算法在后期的迭代效率，因此提高了运算效率。

技术领域

本申请涉及道路交通技术领域，特别是涉及一种基于路径尺度修正及两阶段优化的交通流分配方法。

背景技术

交通分配模型用于预测在均衡状态下，交通网络中的路段流量或者路径流量。交通分配模型可分为两类：确定性用户均衡分配模型(User Equilibrium简称UE)及随机用户均衡分配模型(Stochastic User Equilibrium简称SUE)。其中SUE模型假设，人们对于路径出行时间的感知是有误差的，在SUE解点上，没有一个出行者可以通过单方面改变路径来降低自己的理解出行时间。

Logit型随机用户均衡分配模型具有结构简单，可解释性强等特点，在交通规划中有着广泛的应用。但是由于Logit型随机用户均衡分配模型没有考虑不同路径之间的相似性，即没有考虑路径之间的路段重叠对出行费用的影响，以及不同路径行驶费用之间的感知方差，导致预测结果与实际情况会有较大差别，为了克服Logit型随机用户均衡分配模型的缺陷，各种离散选择模型相继被提出并得到发展。其中，路径尺度Logit型随机用户均衡分配模型通过在路径效用函数的固定项中加入路径尺度对数项来修正路径效用值，进而解决不同路线之间的路段重叠问题，获得更加现实的交通流分布模式。

目前，梯度投影法是求解路径尺度型Logit随机用户均衡问题最有效的方法之一，但是由于梯度投影法为确保每次迭代时都能获得严格正的路径流量，需采取最大步长限制，且该方法的收敛速度仅为线性，从而迭代点接近最优解时收敛速度相对较慢，使得运算效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高运算效率的基于路径尺度修正及两阶段优化的交通流分配方法。

一种基于路径尺度修正及两阶段优化的交通流分配方法，所述方法包括：

前期阶段：

步骤11，通过交通调查确定每个OD对之间的交通需求量{b_w,w∈W}及路径集合{R^w,w∈W}，其中，W为路网中所有OD对的集合，w为OD对编号，w∈W，b_w为OD对w之间的交通需求量，R^w为OD对w之间所有路径的集合；

步骤12，在零流网络上对所述路径集合中的各路径进行流量加载，得到初始的路径流量向量置迭代次数k＝0，其中，x⁰为初始的路径流量向量，为OD对w之间路径r上的流量，r∈R^w；

步骤13，根据当前的路径流量向量中各路径的路径流量，计算各所述路径的广义路径行驶时间向量其中，c^k为广义路径行驶时间向量，k为迭代次数，为OD对w之间路径r上的行驶时间；

步骤14，根据辅助路径流量计算公式，将每个OD对之间出行者的交通需求量加载到出行路径上，得到辅助路径流量向量所述辅助路径流量计算公式为：