摘要：交通信息诱导是解决交通拥挤问题的有效方法之一，通过公布交通信息来调整出行者的路径选择，实现道路网络交通流的均衡分配。公布的交通信息和出行者的路径选择是影响交通信息诱导的两个重要因素。本文研究的是交通诱导信息对选择行为以及相应的交通流分布的影响，建立出行者路径选择决策双层模型，并设计相应的求解算法。
关键词：交通诱导信息；路径选择；系统最优；双层模型
自从19世纪汽车被发明进入人类的生活以来，它就极大的改善了我们的生活，给生活带来了极大的方便和快捷，提升了人类出行的速度，促进了经济的发展与社会的进步。但是它也带来了另外一个必然结果－城市机动化，日益增长的车辆引起城市中交通拥挤现象日益严重，不仅给居民生活带来很多不便，也引发城市各种交通事故、能源浪费以及环境污染等问题，这些消极因素严重阻碍了城市的发展，引发人们的普遍关注。
传统的解决放方案是通过新修或扩建道路来改善拥挤，但是几十年的交通管理经验表明，新建和扩建等手段不能完全达到有效治理拥挤的目的，因此学者提出了交通需求管理的概念，明确通过对交通需求的控制，合理调整各种资源，促进交通合理发展来减轻或消除拥挤。智能交通系统的研究就是这样出现的，它从系统角度出发，利用高新科技把人、车、路紧密结合起来，综合有效地解决交通拥挤等问题。在道路使用的过程中，并不是所有的道路同时处于拥挤状况，有相当一部分道路交通仍然很畅通[1]，通过调整出行者的行驶路线使得路网交通流分配达到所希望的状态，实现路网交通流的均衡分配[2][3]。
1 交通诱导信息条件下出行者路径选择决策模型
在交通诱导中，管理者首先随交通流作出分配，制定相应的诱导信息，出行者收到诱导信息后根据自身原则和利益决定出行路径，两种相互影响，形成了一种博弈。管理者根据自己的目标，估计用户的路径选择模式，发布相应的诱导信息，引导出行。出行者根据管理者发布的诱导信息和自身要求选择路径。
1.1时间信任度
出行者对诱导信息可能信任，也可能不信任，假设出行者对诱导信息的信任度为（以出行时间来算）：
式中：p表示路径，；d表示出行者，；k为出行序次号，；表示第k次出行前出行者d对路径p的诱导行程时间的信任度；表示出行者的信息接受程度，；表示第k-1次出行时出行者d获得的间路径p上的诱导行程时间与实际行程时间的相对误差，即：
式中：表示第k-1次出行前管理者提供给出行者d起点r、终点s之间路径p的诱导行程时间；表示第k-1次出行时出行者d在起点r、终点s之间路径p的实际行程时间。
1.2感觉行程时间
假设出行者对路径的估算行程时间是诱导行程时间和前一次出行实际行程时间的加权平均值，而权重为出行者对诱导信息的信任度，则：
（1.3）
式中：表示第k次出行前出行者d对路径p的感觉行程时间。
1.3路径的交通流
路径的交通流由起点与终点之间的交通量以及各路径的选择概率而确定[8]：
（1.4）
式中：表示第k次出行时起点r、终点s之间路径p上的交通量；表示第k次出行时起点r、终点s之间总交通量。
期刊文章分类查询,尽在期刊图书馆
2 模型建立
我们把交通系统可以看作是交通管理者和出行者的复杂系统。根据路径选择中的博弈现象，制定发布诱导信息的管理者和出行者的交通系统是一个多人参与且呈递阶结构的决策系统，各层决策者有各自不同的目标，在此过程中相互制约相互影响，这样符合双层数学规划问题，因此建立一个双层规划模型，交通管理者为上层决策者，出行者为下层决策者。交通规划管理者通过自己本身的诱导信息来影响出行者的路径选择，我们把双层模型的一般形式的各个变量描述：
约束条件
2.1上层模型
管理者的目标为so，即系统总行程时间最小。管理者考虑出行者的反应，根据so原则发布诱导行程时间，考虑出行者反应的系统最优诱导模型。
式中：表示系统总行程时间；表示之间路径p上的行程时间；表示路径p上的交通量；为起点r、终点s之间总交通量。
模型求解算法具体步骤如下所示：
第一步：初始化，获得路径自由行程时间，路径通行能力，交通需求。
第二步：计算so状态时的各路径上的交通流分配比例，路网交通流分布，路径行程时间及系统总行程时间。
第三步：令，由改进logit模型计算出行者的感觉行程时间。
第四步：当k=1时，即第一次出行时，出行者没有任何经验，假设完全信任诱导行程时间，，则诱导行程时间等于感觉行程时间，即。
第五步：计算第一次出行时的路径行程时间，出行者的实际行程时间，系统总行程时间。
第六步：当时，由，计算信任度，由、、计算诱导行程时间，如果，则
如果，则令。
第七步：计算路径上的交通流分布，路径行程时间，实际行程时间，诱导行程时间与实际行程时间的相对误差，系统总行程时间。
2.2下层模型
下层模型用随机用户平衡模型来描述道路交通网络中的网络平衡状态，以交通随机配流理论建立模型－od对w间的交通流量，；－线路r上的交通流量，其中－路段a上的交通流量，其中；－机动车通过路段a的出行时间，当路段a在线路r上其他情况代表出行者期望选择出行时间最短的线路。
下层模型算法用f-w算法：
步1：初始化，开始交通流量设为零，阻抗函数，执行一次随机加载，产生路段流量。
步2：更新各路段的阻抗：令。
步3：新阻抗的基础上，执行流量随机加载，得到新的路段流量。
步4：令：
步5：判别收敛条件：令，如果满足式（为预先确定的精度临界值）：
则停止，为之所求；否则，令，返回第二步。
参考文献：
[1]中国智能运输系统体系框架研究总报告.交通部公路科学研究所，2001，7：1-3.
[2]杨兆升.城市交通流诱导系统结构框架研究.公路交通科技，1997，14（3）：6-10.
论文作者:冯雪松
论文发表刊物:《基层建设》2018年第7期
论文发表时间:2018/6/19
标签：诱导论文; 路径论文; 行程论文; 时间论文; 通流论文; 出行者论文; 交通论文; 《基层建设》2018年第7期论文;