基于微观交通仿真的动态交通管理优化问题研究

2005年12月系统工程理论与实践第12期

文章编号:1000.6788(2005)12.0125.07

基于微观交通仿真的动态交通管理优化问题研究

郑为中1,史其信2

(1广州市中心区交通项目领导小组办公室,广东广州510030;2清华大学交通研究所,北京100084)

摘要:动态交通管理的优化帮助交通管理者针对实时交通状况制定出最优的交通管理方案本文就此

类问题建立了双层优化模型,并在下层模型中借助微观交通仿真模型,来评估优化过程中任一给定交通

管理措施对路网交通流的影响;针对此模型,开发了基于模拟退火算法的优化解法.实践表明,借助下层

交通仿真模型能方便有效地估量动态交通管理措施对交通流在微观层面上的影响。从而为上层模型中

大规模的搜索优化奠定基础.

关键词:动态交通管理;双层模型;微观交通仿真;模拟退火

中圈分类号:U491.1文献标识码:A

MicroscopicTrafficSimulationBasedonOptimizationforDynamic

TransportManagementProblems

ZHENGWei—zhon91.SHIQi—xin2

(1.GuangzhouCityCenterTransportProjectOffice,Guangzhou510030,China;2.InstituteofTransportationEIlgineering,T《nghuaUniversity,Be日nig100084,chiIla)

Alxaa'aet:O—mizatfonfordy叫面cmmsportmmmgememarebelialhtramcoperatorstosetupoptimumⅡa伍c

m¨89∞emplⅢ,withmspecttorealtimet[8庙cconditionsABi-levelprogrammingmodelisbuildforsuchhndof

problems,whereamieroacopictragicsimulationroodeli8introducedtoconductthe船se轴menttothenetworktraffic

foranysirentrafficmanagementplan.Tosolvethismodel,aSimulatedAnneulingbasedalgorithmis.alsoproposed

Itisproventhatitisconvenientandeffectiveto∞8e∞themicroscopicinfluenceoftrsmcmanagementstrategiesbythe

trafficsimulationmodelinthelower-level,whichlays

agoodfoundationforsearchingandoptimizationin

alarF∞山

intheupper-levelmodel.

Keywords:dymmictransportmmmgement;hi-levelprognmmnngmodel;microscopictrafficimulafion;simulated

annealingalgorithm

1引言

动态交通管理是近些年来针对交通拥挤提出的一类新的解决方案.它主要针对当前实时的交通流状态以及可能出现的路网交通流冲突,即供需之问的不搭配,而对交通流进行调节的措施.这类措施的一些实例如实时的自适应交通信号控制、可变信息板(VMS)的交通信息提供和诱导、调节主干遭出人流率的匝道控制和紧急状态下的可变速度控制等.关于这些措施有一个共同的问题,就是在这类措施投入实施之前,需要对其给路网交通流带来的影响进行评估和优化,直到找到一个对当前路网交通状况最为有效的措施方案.

对于此类优化问题,有一个显著特点,那就是一方面这些交通管理措施和动态变化的路网交通流紧密相关;而另一方面,在对动态交通管理和控制措施的参数进行调整优化的过程中,路网交通流也将因用户的路径选择行为改变而发生变化.因此,动态交通管理措施的优化问题和路网交通流的衍变二者是一个互动的过程,无法独立区分开来处理,对于这类问题,采用双层规划(Bi-levelProgramnfing,简称B廿)方法来进

收稿日期:2004.09-06

作者简介:郑为中(1977一),男,江西泰和人.广州市中心区交通项目领导小组办公室,博士,研究方向为智能运输系统项且评价和优化.

126系统工程理论与实践2005年12月行解决是合适的.

在本研究中,针对前述动态交通管理的优化问题,提出了一个一般的双层优化模型.其中上层模型处理目标函数的优化问题,即不断搜索发现直至找到最优的决策变量组合所代表的交通管理策略,从而达到目标函数的最优值,即实现措施对路网交通流的最优性能表现;而下层模型用于得到在给定交通管理和控制措施下路网的交通流条件,进而得到这一措施下的目标函数值,即反映出交通管理措施对路网交通流的影响.不过相比于传统的交通双层规划模型“。1,由于动态交通管理项目对交通流的影响是微观层面的且有时很难用解析模型来估量,而微观交通仿真模型也正日益广泛用于对各类交通管理项目措施的评估”“…,以反映这些措施对路网交通的影响.藉此,在对这些项目措施优化的双层模型中,本研究在下层模型中引入了基于微观交通仿真的模型来作为动态交通管理措施的评估模型,并给出了针对这样一类双层模型的求解算法.’

2动态交通管理优化的双层模型

动态交通管理的优化问题也可以看作领导者和追随者的问题.一方面,交通规划和管理人员作出关于管理、控制、设计和投资改进的决策以提高路阿交通系统的性能,扮演着领导者的角色;而另一方面,网络用户作为追随者根据上层的决策相应作出关于路径、出行模式、旅行起终点的选择行为,这些选择集聚起来即表现为上述决策的效果.

假定对某一交通管理项目措施∞进行优化,项目措施的参数变量用向量Y表示,实施这一措施的理想效果是就优化函数F(z(Y),y)达到最优,而*(y)代表的是系统的交通流参数变量.针对这一项目措施的优化模型包括两个部分组成,即上层模型和下层模型.其中上层模型包含以下优化问题:

模型1:

max/minF(y,*(,))

上层模型

s.t.g‘(Y,*(Y))≤0,i=1,…,PI

hj(Y,Ⅳ(y))≤O,,=1,…,P:

其中毋,吩分别代表各项外部约束条件,而。(,)则为给定任一项目措施决策变量Y下系统的交通流模式.它符合一定的交通流分布准则,例如通常的用户平衡准则或系统最优准则.假设其服从用户平衡准则,则x(y)可由以下的优化模型得到:

m,irth(¥,y)=暑f屯

,0下层模型

而8.t.

冰=舶(#),i∈,,J∈J

7∈^i

‰=∑∑聊砖,。∈^

’tJ

J∈J’∈R.q

只≥0,r∈Ri,i∈l,j∈|

上述模型中的领导者和追随者都想得到各自函数的最优解.但是上层模型中领导者的目标函数中要受到下层追随者目标函数所定义的参数变量*的约束,它通过不断调整决策变量从而找到优化解;而对下层目标函数的优化过程则需要考虑上层模型中决策变量Y的影响,从而实现对决策变量所代表的交通管理措施的评估.

第12期基于微观交通仿真的动态交通管理优化问题研究127

因此,在对交通管理措施的优化过程中,涉及到一个很重要的问题就是对各种策略给路网交通流带来的影响进行评估.以往研究都采用懈析模型和理论来估计这些影响。但这一做法存有一些缺陷,例如模型中需要引入一些假定,因而其对复杂交通情况的考虑往往会发生一些误差和偏离;而且现有模型多为宏观模型,它也无法准确描述各项措施对于交通流中个体的微观影响,因而得出的影响结果是不全面的.正是基于此,我们采用基于微观交通仿真的对交通管理措施的评估模型来实现上述优化过程.即对上述模型保持上层模型不变,而下层模型引人基于微观交通仿真的评估模型,从而整个双层模型转化为

模型2:

max/nfinF(y,*(Y))上层模型8.t.

g.(Y,g(Y))≤0,i=I,…,P1

t(Y,#(Y))≤0,J=1,…,P:

其中虽,hj分别代表各项外部约束条件,而*(y)仍为给定任一项目措施决策变量Y下的系统交通流模式,不过它取自以下项目措施实施情景下对研究路网的交通流仿真过程.

下层模型

在这样一个双层模型下层模型中引入仿真模型,同时也是基于很多仿真模型本身都包括有路径选择行为的模型.以本研究中使用的PARAMICS为例,其仿真模型就提供有三种路径分配的算法:全有全无分配法,随机分配和动态反馈算法““.用户可根据模型的需要,选定使用的用户出行行为准则.

3基于模拟退火的优化算法

对于常规的双层规划模型,一般有四类的求解方法:凸点穷举算法;基于库恩.塔克条件的算法;梯度法;大规模启发式算法.这几类方法各有优劣,在交通规划和管理的双层优化模型中也都有应用““.在本研究提出的模型中,由于下层模型采用的是基于微观交通仿真的模型,而不再是传统的解析模型.在这一模型中,既无法将下层模型转化为上层问题的补充约束从而按单目标优化问题进行求解,也无法从中获取交通流模式或目标函数变化的梯度形式,因此也就无法采用梯度下降法来优化.剩下的办法是直接进行大规模的搜索,但相比于凸点穷举搜索的算法,研究倾向于借助人工智能的启发式算法,因为它不但能减少搜索的工作量,而且可以避免陷入局部最优.以下介绍基于模拟退火算法的优化算法.模拟退火算法(SimulatedAnnealing,简称SA)是在迭代的组合优化算法中借鉴物理中采用重要性采样法来产生固体的状态序列的Metropolis准则,模拟固体物质的退火过程进行求解””.由于算法根据Metropolis准则来接受新解,因此除接受优化解以外,它还在一定范围内接受恶化解,这就使得算法既可以从局部最优的陷阱中跳出,又在整体上趋向于系统的最优解,这也正是模拟退火算法优于一般局部搜索算法的所在.此外,算法具有质量高、初值鲁棒性强和通用易实现等特点.

结合前面提出的动态交通管理双层优化和模型模拟退火算法的一般流程,图1给出了模型优化算法SABPA(SimulatedAnnealingbasedBi.1evelProgrammingAlgorithm)的流程框图.

128系统工程理论与实践2005年12月

图1SABPA的流程框图

4优化示例

4.1问题描述

选取在微观交通仿真模型PARAMICS中表现如图2所示的路网为研究路网,路网中高速公路主线为双向8车道.假设在高速公路主线上编号为704:528的路段(图示插旗位置)的中间车道于上午8:05:00发生交通事故,车道阻塞从而引发交通拥堵。交通管理者于是在距离交通事故上游2.5公里处(图中A点)发布限速措施,即限定从此处以下到事故地点的所有路段上行驶的车辆速度必须低于某一限值,以缓和下游路段的交通压力.根据限速措施对路网交通流的影响,需要优化制定对这一事故场景最为有效的限速措施,其主要目标是对限速措施的限速值进行优化,寻找出最佳的速度限值,从而使整个系统因事故造成的延误最小.

图2研究路网

第12期基于微观交通仿真的动态交通管理优化问题研究129

4.2模型描述

根据以上的问题描述,建立以下的优化模型:

决策变量y——事故发生后在A点公布的限速值,即从A点到事故路段的10个路段的速度限值.当然也可以在每个路段分别选取不同的限速值Y.(i=1,2,…,10),但根据一般的限速操作习惯,也为了简单起见,设定所有扎=Y(i=1,2,…,lO).

目标函数F(*(Y),Y):采用成本最小化的目标函数,即指系统运行的总成本最小,例如总的路段行程时间最少,用函数形式表示如下:

rain∑t7。("’。(y))Ⅳ’。(y),(1)

a∈矿

其中:。l。(y)——实施以Y为限值的限速措施情景下路段n的交通流量;

t7。(”’。(Y))——实施以Y为限值的限速措施情景下路段n的旅行时间;

彤——研究路网所有路段的集合.

”’。(y),t’。(。7。(Y))均通过下层模型的微观仿真运行得到.

4.3解法描述

采用3中提出的基于模拟退火的优化算法来对上述双层模型进行求解.解法的详细步骤进一步描述如下:

第0步初始化.给定一个初始限速值Y。’∈n(n:为可行的限速值范围);给定初温T。’;运行仿真得到初始限速值下的路网总行程时间F(Y”’);

第1步产生新解.采用Metropolis直接算法,从当前点Y“’局部搜索产生新解,假设新解以Y表示,产生步骤如下:

Y=Y“’+scale?SQRT(T“1)?{random[0,1]一0.5}.(2)比例系数scale需根据实际问题确定,一般取值o.2~0.3;

第2步仿真评估.以Y为新的限速值运行道路网仿真,得到新的路网总行程时间F(Y);

第3步Metropolis准则判定.如果exp(一(F(y)一F(Y¨’)),T¨’)>random[0,1],那么Y““’=Y,setk:=k+1.否则,y‘…’。y‘“,^:=k+1;

第4步得到新的最优限速值.如果F(y…)<F(y‘“’),那么y‘~’=Y‘‘’;

弟5步降温.按下式设定新的温度:

一”=r‘‘~’?tk。.(3)其中£。。。为降温系数.

第6步终止条件检验.如果第k次迭代温度T“’<t(预先设定阈值),则停止到第7步;否则回到第1步.

第7步得到并输出最终解y…’和F(yC…).

4.4优化结果

表13组不同初始限速值条件下的优化结果

初始限速值

最优限速值最优行程时间

总选代次数达到收敛次数

(klIl,llr)(km/hr)(veh?hr)

708875501829.696

60886649lB32055

508867511827.264在优化运算中,选定初温f…=1,000,000,降温系数t。,=O.9;同时,为了检验算法对初始值的鲁棒性,我们选取了三组初值:70、60和50(kmlhr)来分别进行优化运算.经过运算,表1给出了3组不同初始限速值条件下的优化结果.‘

130系统工程理论与实鲤2005年12月图3、图4分别给出了各初始限速值条件下目标函数和限速值随迭代次数的收敛变化曲线

选代放蠡

E亘三三囹图3目标函数随迭代次数的收敛变化曲线

■■●■-l且一一。∥“广

.,.————Z::‰一一一H1.I

删一弋跏—呱1一U

灯—气——~__

3641465l56616671768186

选代次教

巨亘三三国图4限速值随选代次数的收敛变化曲线

从上述优化结果来看,算法对于各初值都具有较好的收敛性.在整个优化过程中,算法接受一定范围内的恶化解,但经过大约70次左右的迭代后都趋向收敛,并得到50kndhr左右的最优解.造成最优解在50kadhr左右稍有偏差的原因是,限速值只能取整数解,因而最后的优化结果并非达到唯一的实数解.但从三次优化的结果来看,结合考虑限速措施实施的操作性,采取以50km/hr为限值的限速措施对于此处的交通事故场景是比较有利的,它能带来系统整体延误的最大程度的降低.

5结语

由于与路网交通流的衍变二者为互动的过程,动态交遥管理措施的优化是~个较为复杂的问题.对此,本文讨论了这类问题的特点,建立了双层优化的模型,并在下层模型中引入微观交通仿真模型,以便有效地评估优化过程中任一给定交通管理措施对路网交通流的影响.针对这样一类的模型,本文开发了基于

鲫帅∞

∞直蟮瑙崖

第12期基于微观交通仿真的动态交通管理优化问魃研究13l模拟退火算法的优化解法,在大规模的搜索过程中除接受优化解以外,还在一定范围内接受恶化解,使算法既可以避免陷入局部最优的陷阱中,又从整体上趋向于系统的最优解.研究也发现,算法对初值具有较好的鲁棒性,但随着问题规模的增大,需要对算法进行改进,譬如采用有记忆的模拟退火算法、并行模拟退火算法等以减少算法数值计算和搜索的代价.

参考文献:

[1]MeagQ,Yang

H.Benefitdistributionandeqllityinmadnetworkdeeign[J]TtmllsportationReaearchPartB,2002,36(2):19—

35.[2]YangH,Yngar

s.TrstBcassignmentand蛐Controlingeneralfreeway-arterlalcorridorsyBtams[J].TrampomtionRe.archPartB,1994,28(4):463—486.

[3]YangH,BeU

MGH.Trs伍ccestraint,roadpricingandnetworkequilibrium[J].TransportationResearchPartB,1997,31(4):

303—314.14J砖}e苫~e蚯e恤0工y

andtransportafimasystemsmodaling[J].Tr衄8p叫t日ti蚰弛哪mhB,1984,18(4):301—313.[5]Suwam/rlkulC,FrieszTL,TobinRLEquilibriumdecomposedoptimization:aheurigieforthccon自1]U04tlSequilibriumnetworkdesignproblem[J].1h∞岫岛isciBⅫ,1987,21(4):254—263.

[61PatersonD.EvaluatingITSapplieafiomusing商删}越删山Ⅱ叩[C].Pal)erPIe蝴蝌atthe8thAnaualWorldCongresson

IntelligentTransportationSystems,Sydney,Amtrulia,sepkmber,2001.

[7]McNally

MG,Rindtc,LogiF.TRICEPS:anATMISfieldimplementatlonforcoll[蚵andevaluation[R].CulifomlaPATHResearchReportUCB一1Ts_PRR-2002-9,InstituteofTransportationStudk%,UniversityofCallfqR_IliaItC.ne,2001,

[8]Ben-AkivaM.CuneoD,HasaaM,eta1.Evaluationel"freewaycontrolusing8microscopicsimulationlaboratotv[J].

TransportationResearchPartC,2003,11(1):29—50.

[9]lhsanM.EvaluationoframpeontrdalgofithrasⅢillgamicroseopiem伍csimulation]aboratory,MITSIM[D].‰rThesifl,

MIT,February,1999.

[10]ZhangHM,KimT,Niez,eta1.Evaluationofon-rampoontrold鲥岫[R].PATHResearchReportUCB-ITS-PRR-2001—36,

InstituteofTransportationStudies,UniversityofCalifornia,D"h,D∞eⅡ蛔,2001.

[11]DavolAP.Modelingof砌;cgisnulcontrolaadtransit

sigmalaiority自h☆i∞inamiemseopiesinmlationlaboratory[D].MasterThesis.MIT,September,2001.

[12]ZhangY.AnevaluationofUansit目i口dpfiofityandSCOOTadaptivesi酬conRol[D].Master

Thems,ViglniaPolytechnicInstituteandStateUnivemity,May,2001.[13]Chandrasekarl

P,CheuRL,ChlnHC.Simulationevaluationofmute-basedcontrolofbusoperations[J].JournalofTransportationE幛neering,2002,128(6):519—527.

[14]B珊e16J'FetterJL,Mm-gnRSimulationassistedd鹳ign

and衄日础nt0fvehiclegIIidancesystems[J].In钯枷删

TmnsactiomonOperationsResearch,1999,6(1):123—143.【15]PARAMICSV4.0ModellerUserGuide【R].QuadstoneHmitecl,Edi蝉,UK,2002:63—67.[16]YangH,BellMGH.Transporthilevelpm伊瑚朋蛔gproblems:recentmethodologicaladvaac髑[JJ-Trmmportation

ResearchpartB,2001,35(1):l一4.[17]康立山,谢云,尤矢勇.等.非数值并行算法(第一册)——模拟退火算法[M].北京:科学出版杜.2000.勋ngLS,XieY,YouSY,etd.Non-numeieulParulhlAlgofitian(V01.1)一SimulatedAnneulmgAlgorithm[M].Science

PabllshlngHouse,Beljlng,2000.

基于微观交通仿真的动态交通管理优化问题研究

作者:郑为中, 史其信, ZHENG Wei-zhong, SHI Qi-xin

作者单位:郑为中,ZHENG Wei-zhong(广州市中心区交通项目领导小组办公室,广东,广州,510030), 史其信,SHI Qi-xin(清华大学交通研究所,北京,100084)

刊名:

系统工程理论与实践

英文刊名:SYSTEMS ENGINEERING-THEORY & PRACTICE

年,卷(期):2005,25(12)

被引用次数:1次

参考文献(17条)

1.Meng Q.Yang H Benefit distribution and equity in road network design 2002(02)

2.Yang H.Yagar S Traffic assignment and traffic control in general freeway-arterial corridor systems 1994(04)

3.Yang H.Bell M G H Traffic restraint,road pricing and network equilihrium 1997(04)

4.Fisk C S Game theory and transportation systems modeling 1984(04)

5.Suwansirikul C.Friesz T L.Tobin R L Equilibrium decomposed optimization:a heuristic for the continuous equilibrium network design problem 1987(04)

6.Paterson D Evaluating ITS applications using micro-simulation 2001

7.McNally M G.Rindt C.Logi F TRICEPS:an ATMIS field implementation for control and evaluation 2001

8.Ben-Akiva M.Cunco D.Hasan M Evaluation of freeway control using a microscopic simulation

laboratory 2003(01)

9.Hasan M Evaluation of ramp control algorithms using a microscopic traffic simulation

laboratory,MITSIM 1999

10.Zhang H M.Kim T.Nie Z Evaluation of on-ramp control algorithms 2001

11.Davol A P Modeling of traffic signal control and transit signal priority strategies in a microscopic simulation laboratory 2001

12.Zhang Y An evaluation of transit signal priority and SCOOT adaptive signal control 2001

13.Chandrasekar1 P.Cheu R L.Chin H C Simulation evaluation of route-based control of bus operations 2002(06)

14.Barcelo J.Ferrer J L.Martin R Simulation assisted design and assessment of vehicle guidance systems 1999(01)

15.PARAMICS V4.0 Modeller User Guide 2002

16.Yang H.Bell M G H Transport bilevel programming problems:recent methodological advances 2001(01)

17.康立山.谢云.尤矢勇非数值并行算法(第一册)--模拟退火算法 2000

引证文献(1条)

1.刘洋城市微观交通仿真系统研究[学位论文]硕士 2006

本文链接:https://www.360docs.net/doc/7611038113.html,/Periodical_xtgcllysj200512019.aspx

授权使用:北京交通大学(北京交通大学),授权号:db839249-0c10-401f-baad-9e23013de7c9

相关文档
最新文档