[发明专利]基于多重路径集的最优交通流预测方法与拥挤收费方法

说明书

基于多重路径集的最优交通流预测方法与拥挤收费方法，算法具体步骤如下：步骤0.组织交通调查，确定每个OD对之间不同类别出行者的需求量及其合理路径集合。步骤1.在零流网络上，进行流量加载，得到辅助路径流量令初始路径流量置k＝0。步骤2.计算各路径的广义路径行驶时间向量步骤3.进行流量加载，得到辅助路径流量向量步骤4.如果满足收敛指标要求，则停止迭代，将当前迭代点f^k作为系统最优路径流量；否则转步骤5。步骤5.沿方向利用某种线搜索方法，计算迭代步长λ_k。步骤6.更新路径流量，令k＝k+1，转步骤2。本发明严格证明了该方法的有效性和实用性：即使对不同类型的出行者施加同样的收费，仍然能够达到系统最优状态。

技术领域

本发明涉及交通模型构建，交通拥挤收费及交通流量分布预测技术领域，特别是涉及基于多重路径集的最优交通流预测方法与拥挤收费方法，其构建一种新型的随机系统最优模型，并以此为基础，研究系统最优条件下路径流量的预测方法，以及使交通系统运行效率达到最优的非歧视性收费方法。

背景技术

随着我国经济的高速发展和城市化进程的推进，交通拥挤问题已经成为制约城市发展的重要因素之一。拥挤路段收费是减少交通网络中拥挤现象的一种常见的经济方法。

如何设计拥挤收费费率，使交通网络达到系统最优，一直是人们研究的热点。Logit型随机系统最优模型由于具有结构简单，可解释性强等特点，在交通规划中有着广泛的应用。

建立Logit型随机系统最优模型，需要预先确定合理路径集合。合理路径集合是指出行者认为合适的候选出行路径所构成的集合。现有Logit型随机系统最优模型在合理路径集合的选择方面，都假设出行者是同质的。也就是说，对于某个OD对间的所有出行者，每个人的合理路径集合都是相同的。显然，这个假设并不符合实际。在现实中，不同类型的出行者由于个人偏好，认知差异等原因，可能有着不同的合理路径集合。

针对上述问题，本发明提出多重合理路径集合条件下的Logit型随机系统最优模型。该模型能够反映出行者的异质性，因而更加符合实际情况。通过求解该模型，可以得到系统最优条件下路径流量的精确预测值。

此外，本发明还提出了一种非歧视性拥挤收费方法。由于出行者的合理路径集合各不相同，这些集合在实施收费时无法准确得知，所以必须采用非歧视收费的形式，对不同类型的出行者收取同样的费用。本发明证明了即使对不同类型的出行者施加同样的边际收费费率，整个系统运行效率仍然能够达到最优状态。因此，该方法实施起来不但简单方便，实施效果也十分显著。

发明内容

为了解决以上问题，本发明提供一种基于多重路径集的最优交通流预测方法与拥挤收费方法，利用出行者具有异质性，不同类型出行者的合理路径集合并不相同所形成的多重合理路径集合，基于不同类型出行者的多重合理路径集合，构建了随机系统最优模型，并针对模型的特点，提出了相应的求解算法，从而能够更精准地预测城市交通网络系统最优流量的分布，并严格证明了该方法的有效性和实用性：即使对不同类型的出行者施加同样的收费，仍然能够达到系统最优状态，为达此目的，本发明基于多重路径集的最优交通流预测方法与拥挤收费方法，具体步骤如下：

步骤1-步骤6中出现的符号定义如下：

考虑一个交通网络G(N,A)，其中N表示节点集合，A表示路段集合，令W表示路网中所有OD对的集合，R_w表示OD对w∈W之间所有路径的集合，d_w表示OD对w∈W之间的交通需求量，设f_rw，c_rw为OD对w∈W之间路径r∈R_w上的流量与阻抗的行驶时间；v_a，t_a为路段a∈A上的流量与阻抗的行驶时间；且t_a为v_a的可微单调递增函数；