基于感知时间的交通分配模型及其算法研究
第09章基本交通分配模型
计算网络中每个出发地O到目的地D的最短路线；
将该OD交通量全部分配最短路线上；
每分配完一对OD后进行流量迭加，直到最后一对OD 分配完毕。
❖ 0-1分配法的特点 计算简单； 是其它交通分配的基础； 出行量分布不均匀，全部集中在最短路上； 未考虑路段上的容量限制，有时分配到的路段交通量大 于道路的通行能力； 有时某些路段上分配到的交通量为0，与实际情况不符； 随着交通量的增加，未考虑到行程时间的改变。
最短路分配（0-1 分配） 多路径分配
有迭代分配方法
容量限制－最短路分配 容量限制－多路径分配
9.3 非均衡交通分配模型 9.3.1 最短路交通分配法（all or nothing traffic assignment
model）
❖ 分配原理：每一OD对对应的OD量全部分配在连接该OD对 的最短路线上，其它道路上分配不到交通量。
普遍取 1 n 。
分配算例：
试用二次加权平均分配法（MSA方法）求解下面的固定需 求交通分配问题（迭代2次）。
t1
1
2
t2
t1 20 0.01x1 t2 16 0.1x2 q12 100
9.4 用户优化均衡交通分配模型（User Equilibrium Model） UE（用户均衡）的概念最早由Wardrop于1952年提出。 User Equilibrium的基本假设有：
流量{yan} 。
Step3：计算各路段的当前交通量：
xn1 a
xan
( yan
xan )
，
0
1，
A
。
Step4：如果
xn1 a
与
xan
相差不大，则停止计算，
xn1 a
实时交通流预测模型及其应用研究
实时交通流预测模型及其应用研究随着城市化进程的加快和汽车普及率的增加，交通拥堵问题越来越严重，给人们的生活和工作带来了诸多不便。
因此，如何能够准确地预测交通流量，提前采取相应的措施来缓解交通拥堵，成为了研究的热点之一。
本文将介绍实时交通流预测模型及其应用的研究进展。
实时交通流预测模型是通过对历史交通数据的分析和建模，利用机器学习、数据挖掘等技术手段，来预测未来某一时间段内的交通流量情况。
它的应用范围广泛，可以应用于交通管理、智能交通系统、出行规划等领域。
现在让我们来介绍一些常见的交通流预测模型。
首先，基于统计学的模型是最早应用于交通流预测的方法之一。
这类模型主要通过对历史交通数据进行统计分析，然后利用一定的数学模型来进行预测。
例如，基于ARIMA模型的交通流预测方法，它通过对历史交通数据进行自回归和移动平均的模型拟合，来预测未来交通流量的变化趋势。
这种方法的优点是简单易行，但是对于复杂的交通流量变化模式预测效果有限。
其次，基于人工神经网络的模型也是常用的交通流预测方法之一。
这类模型通过构建一个多层次的神经网络来模拟交通流量之间的复杂关系。
例如，BP神经网络模型通过输入历史交通数据和其他相关因素，利用反向传播算法来训练神经网络，最后实现对未来交通流量的预测。
这种方法的优点是可以捕捉到交通流量之间的非线性关系，但是需要大量的训练数据和较长的训练时间。
另外，基于机器学习的模型也是目前研究的热点之一。
这类模型通过对大量的历史交通数据进行特征提取，并利用机器学习算法来构建预测模型。
例如，支持向量机（SVM），随机森林（Random Forest）等机器学习算法，都可以用于交通流量的预测。
这种方法的优点是能够处理大量的数据，同时可以应用于复杂的交通流量预测问题。
除了以上介绍的一些常见模型之外，还有一些新兴的交通流预测方法也值得关注。
例如，基于深度学习的模型，如卷积神经网络（CNN）和循环神经网络（RNN），已经在交通流预测领域取得了显著的成果。
城市交通出行时间分布模型研究
城市交通出行时间分布模型研究城市交通出行时间分布模型研究是交通规划和管理领域的重要课题之一。
了解和预测城市交通出行时间分布模型，有助于优化交通规划、提高交通效率和减少拥堵。
本文将探讨城市交通出行时间分布模型的研究方法和应用。
首先，城市交通出行时间分布模型的研究方法包括实地调查和数学建模两个方面。
实地调查是收集和分析城市交通出行数据的主要方法之一。
通过问卷调查、出租车GPS数据等方式，可以了解不同时间段内的交通出行情况，如高峰期和非高峰期的车流量、拥堵情况等。
在此基础上，可以运用数学建模的方法，建立交通出行时间分布模型。
数学建模方法可以分为统计方法和仿真方法两种。
统计方法通过对实际数据进行统计分析，从而推断出行时间分布模型的参数和概率分布。
仿真方法则是根据城市交通出行的实际情况，建立相应的数学模型，通过模拟出行行为和交通流动，得出不同时间段的交通出行时间分布。
其次，城市交通出行时间分布模型的应用包括交通规划和交通管理两个方面。
交通规划是指根据交通出行时间分布模型，合理规划城市交通网的布局、道路交通设施的设置和交通出行的模式。
通过分析交通出行时间分布，可以确定高峰期的时间段和路段，从而合理安排交通信号灯、限行措施等，减少车辆之间的冲突和拥堵。
同时，交通规划还可以优化公共交通线路和停车设施的设置，提高交通出行的便捷性和效率。
交通管理是指根据交通出行时间分布模型，制定交通管理策略和措施，改善交通拥堵和交通事故等问题。
通过分析交通出行时间分布，可以制定合理的交通管制方案，如错时上下班制度、交通疏导方案等，减少拥堵和事故的发生。
最后，城市交通出行时间分布模型的研究还面临一些挑战和争议。
一方面，随着智能交通系统和大数据技术的发展，城市交通数据的收集、分析和应用变得更加方便和精确。
但是，数据的质量和隐私问题仍然存在，如如何保护交通数据的安全和隐私，如何提高数据的准确性和可靠性等。
另一方面，城市交通出行时间分布受多种因素影响，如交通网络的拓扑结构、交通出行者的行为选择等，因此建立准确和有效的模型是一个复杂而挑战性的任务。
基于时间序列分析的交通拥堵预测模型研究
基于时间序列分析的交通拥堵预测模型研究交通拥堵一直以来是城市发展和交通运输系统中的重要问题。
预测交通拥堵状况对于城市交通管理和交通规划具有重要意义。
基于时间序列分析的交通拥堵预测模型能够利用历史数据和趋势来预测未来一段时间内的交通拥堵情况，帮助决策者制定合理的交通管理策略。
时间序列是按照时间顺序排列的一系列观测值的集合。
在交通拥堵预测模型的研究中，对历史交通数据进行时间序列分析可以揭示出交通拥堵的周期性和趋势性变化。
常用的时间序列分析方法包括移动平均法、指数平滑法和ARIMA模型。
移动平均法是一种简单的时间序列分析方法，它通过计算连续一段时间内的观测值的平均值来预测未来的数值。
移动平均法适用于具有稳定趋势和周期性变化的时间序列。
然而，它不能很好地捕捉到交通拥堵的复杂性和突发性变化。
指数平滑法是另一种常用的时间序列分析方法，它将历史观测值赋予不同的权重，越近期的观测值权重越大。
指数平滑法在预测未来的数值时较为灵活，能够较好地适应交通拥堵的变化。
ARIMA模型（自回归移动平均模型）是一种更复杂的时间序列分析方法，它考虑了观测值的自相关性和移动平均性。
ARIMA模型可以捕捉到交通拥堵的长期趋势、季节性变化和随机波动。
在建立交通拥堵预测模型时，需要收集并整理一定时间范围内的交通数据，包括车流量、交通速度、交通事故等。
然后，利用时间序列分析方法对数据进行预处理，消除可能的趋势和季节性。
接下来，可以使用移动平均法、指数平滑法或ARIMA模型对预处理后的数据进行预测。
其中，ARIMA模型是较为常用的方法。
ARIMA模型的关键是选择合适的参数，包括自回归阶数（AR）、差分阶数（I）和移动平均阶数（MA）。
可以通过观察自相关图（ACF）和偏自相关图（PACF）来选择合适的参数。
然后，可以使用最小二乘估计法对ARIMA模型进行参数估计。
除了时间序列分析方法，还可以考虑其他因素对交通拥堵的影响，如天气条件、道路施工等。
《2024年群智感知中面向响应时间优化的任务分配机制研究》范文
《群智感知中面向响应时间优化的任务分配机制研究》篇一一、引言随着物联网和人工智能技术的飞速发展，群智感知作为一种新型的智能计算模式，在许多领域得到了广泛的应用。
群智感知通过将复杂的任务分解为多个简单的子任务，并分配给大量的智能体（如智能设备、个人或群体）来执行，从而实现高效的任务处理。
在群智感知中，任务的分配机制直接关系到响应时间和系统效率。
因此，如何优化任务分配机制，提高响应时间，成为当前研究的热点问题。
本文针对这一问题，对群智感知中的任务分配机制进行了深入研究。
二、群智感知概述群智感知是一种基于分布式智能体的计算模式，通过将复杂的任务分解为多个简单的子任务，并分配给大量的智能体来执行。
这种模式具有低成本、高效率、可扩展性强等优点，在智能交通、智慧城市、智能家居等领域得到了广泛应用。
然而，在群智感知中，任务的分配机制是一个复杂的问题。
不同的任务分配策略会对系统的响应时间、处理效率和资源利用率产生显著影响。
三、面向响应时间优化的任务分配机制为了优化群智感知中的任务分配机制，提高响应时间，本文提出了一种基于动态规划的任务分配策略。
该策略根据任务的特性和智能体的能力，动态地调整任务的分配方式。
具体而言，该策略包括以下步骤：1. 任务建模：首先，对任务进行建模，包括任务的类型、复杂度、时限等特性。
同时，对智能体进行评估，包括其计算能力、通信能力、地理位置等因素。
2. 智能体选择：根据任务的特性和智能体的能力，选择合适的智能体执行任务。
在选择过程中，需要考虑智能体的计算资源和通信资源，以确保任务能够及时完成。
3. 任务分解与分配：将复杂的任务分解为多个简单的子任务，并根据智能体的能力和任务的特性进行合理的分配。
在分配过程中，需要考虑到任务的时限和优先级，以确保重要的任务能够优先完成。
4. 动态调整：在任务执行过程中，根据实际情况动态地调整任务的分配方式。
例如，当某个智能体出现故障或资源不足时，需要及时调整任务的分配方式，以确保系统的稳定性和响应时间。
交通分配方法-分配
1、平衡分配法
固定需求分配法
对于系统优化，Dafermas提出固定需求的系统优化平衡模型：
弹性需求平衡分配模型
模型同固定需求分配模型，约束条件用上式替代。求解时将其转化为固定需求问题求解。
这类分配模型中，出行OD矩阵T在分配过程中是连续变化的，OD点对之间的出行量取决于出行时间。
组合分配平衡模型
添加标题
容量限制法存在的不足：
添加标题
其次，重复分配的方式，在理论上的依据不足，因为出行者对路网的交通需求乃为一次完成，而非经过数次不同的出行时间，才决定最后的路线。
添加标题
增量加载分配最大的优点是事先能估计分配次数及计算工作量，便于上机安排，只要分配次数选择适当，其精度是可以保证的。一般采用五级分配比较适宜。
5
5
5
5
5
分配次序
K
分配次数K与每次的OD量分配率（％） 容量限制交通分配方法流程图
输入OD表及几何信息表
分解原OD表为n个OD表
确定路段行驶时间
确定交叉口延误
计算路权
确定网络最短路权矩阵
累计各路段、交叉口之分配交通量，输出路段、交叉口分配交通量及分配率矩阵
最后一OD对？
否
已到出行终点？
以某一有效路段终点j代替i
否
转入下一OD点对
是
是
1
2
3
4
5
6
7
8
9
2
2
2
2
2
1
2
1
2
1
1
1
例 试用多路径方法分配从节点①至节点⑨的出行量T(1,9)＝1000辆／h。分配网络如图所示，网络中数据为行驶时间。
基于出行链的动态随机交通分配仿真研究
能是估计 ， 而且不 同出行者 的估计值 也会不 同， 因 此本文放松 出行者对整个 出行链路径信息完全 了
解 的假设 ， 出了一 个 基 于 出行 链 的随机 动 态交 通 提
分配模型。出行链 模式 由出发地点、 出发时间、 中
间停驻点、 停驻时间、 目的地定义， 定义 的出行链输
入到模型 中， 模型选择路径 以最小化出行者整个 出 行链上的感知成本 。针对所提出的模型， 结合 时间
出行的“ 四阶段 ” ， 法 基于 活动的方法具有 如下优 点 ： １考虑了时间维 因素， Ｊ（ ） 活动和出行决策都是 动态的；２ 以活动和 出行模式 为研究对象而不是 （）
以单个 出行 为 研 究对 象 ； ３ 考 虑 各 种 活 动 一出行 （） 之 间 的相互 联系 ， 一次 决 策 受 过 去 和预 期 事件 的影 响 ；４ 考 虑 了时空 约束对 活动 和 出行 的影 响 。 （） 近 二十年 ， 于活 动 的 出行 行 为建 模方 法 在 国 基 内外 已做 了 大 量 的 分 析 研 究 。如 荷 兰 开 发 了 基 于
中图法分类号
Ｔ３ １９ Ｐ９ ． ；
文献标志码
Ａ
传 统 的交通 规 划所 采 用 的模 型 主要 是 ２ ０世 纪 ５ 代起 源 于美 国 的 “ 阶段 ” 型 。基 于 出 行 的 ０年 四 模
日活 动计 划 系统 ＪＧｉ ｅ和 Ｋ ｐｅ ｎ开 发 了基 ， ｌｂ ｅ ｏｐｌ ｍａ
于效用 的 １时间 比例参与模型 ｊ另外 ， ３ ， 比较典型
科
学
技
术
与
工
程
１ 卷 １
相关的 Ｋ最短路算法和连续平均法 ， 设计了一个基
于仿真 的迭代 求解 算 法 ， 最后 通过 一 个算 例 验 证 了 模型 和算法 的有效 性 。
研究出行时间与路径的交通规划算法
研究出行时间与路径的交通规划算法一、前言在现代社会，交通运输已经成为人类生活和经济活动的重要基础设施之一。
在城市化程度不断提高的今天，公共交通体系建设和智慧交通运输系统的开发都成为了许多城市的重点之一。
在这些发展的过程中，交通规划算法成为了一个重要的研究领域，其中研究出行时间与路径的算法尤为重要。
本文将详细介绍研究出行时间与路径的交通规划算法。
文章首先介绍了交通规划算法的概念，重点介绍了基于时间的路径规划算法。
随后，文章详细阐述了交通数据的获取方法和处理方式，具体包括传感器采集、GPS定位和卫星遥感等技术。
最后，文章讨论了相应的交通规划算法的实现方式和应用场景。
通过本文的阐述，读者将能够深入了解研究出行时间与路径的交通规划算法。
二、交通规划算法交通规划算法是指通过模型、数据和方法等手段，分析、设计和优化城市交通网络和运输体系的过程。
交通规划算法主要由两个部分组成，其一是交通数据的收集和处理，其二是基于数据的交通规划算法的制定。
交通规划算法可分为两类，其一是基于距离的交通规划，其二是基于时间的交通规划。
基于距离的交通规划简单明了，但不一定能够反映实际情况，例如在高峰时段，常常会出现交通拥堵，导致距离远的路径具有较低的效率。
相对的，基于时间的交通规划可以更加准确的反映城市交通拥堵状况，通过对时间敏感的路段进行规划，能够使出行时间尽可能缩短。
三、基于时间的路径规划算法基于时间的路径规划算法主要是指根据不同的时间段，分析城市交通情况，制定出最短时间的出行路径。
在实际应用中，基于时间的路径规划算法除了需要基于数据分析交通状况外，还需要考虑到用户个性化的需求。
例如，一些用户需要尽可能避免高速公路，一些用户需要将步行时间控制在一定范围内。
基于时间的路径规划算法一般分为两类，其一是基于实时数据的规划算法，其二是基于历史数据的规划算法。
基于实时数据的规划算法在规划路径时，主要基于当前场景的数据，结合预测模型对未来一段时间内的交通情况进行预测，从而制定出最优的路径。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｉ ’ ｌ ｏｒｔ ａ ｅ ｒ ｅ ｔｏ ｍ ｅ ｔＳＡ ｇ ｉｈｍ Ｂ ｓ ｄ ｏｎ Ｐｅ ｃ ｐ ｉ ｎ Ｔｉ
Ｚ Ａ ｉ －ａ Ｄ Ｎ ｅ Ｈ Ｏ Ｊ ｎ－ ｏ ｂ ＥＧＷｉ Ｘ Ｅ Ｑ ｕｆ ｎ Ｉ ｉ ．ｅ ｇ －
Ｔ ａｎ ｐｏ ｔ ｒ ｓ ｒ ａｔｉ ｎ ｏｌ ｅｇ ， Ｓ ｕｔ ｅａ ｔ ｏ Ｃ １ ｅ ｏ ｈ ｓ Ｕｎｉ ｒ ｔ ， ｖｅ ｓｉ ｙ
第 ４期
ｍｏｄｅｌ ａｎｄ ｉｔ’ ｓｏｌ Ｓ ｕｔｉｏｎ ａｌｇｏｒｉ ｔｈｍ ｂａｓｅｄ ｏｎ ｐｅｒｃｅｐｔｉ ｔｉ ｏｎ ｍｅ． Ａｎ ｎｕｍｅｒｉ ｃａｌ ｅｘｐｅｒｉ ｍｅｎｔ ｗａｓ ｃａｒｒｉ ｏｕｔ ａｔ ｅｄ ｔｈｅ ｅｎｄ ｏｆ ｔｈｉＳ ｐａｐｅｒ ｔ ｐｒｏｖｅ ｏ ｔｈｅ ｅｆｆｅｃｔｉ ｖｅｎｅｓｓ ｏｆ ｔｈｉ ｍｏｄｅ１ ａｎｄ ｉｔ， Ｓ ｓ
Ｎｎ ｉｇ２ ０９ ，Ｃ ｉａ ａ ｊｎ １０ ６ ｈｎ
Ａｂ ｔｒ ｃ ｓ ａ ｔ：Ｔｈ ｒｃ ｐｔ ｏ ｍ ｆ ａ ｐａ ｈ ｗａ ａｉ ｙ ａ ｆ ｃｔ ｄ ｂ ｗｏ ｆ ｃ ｏ ｅ ｐｅ ｅ ｉ ｎ ｔｉ ｅ ｏ ｔ ｓ ｍ ｎｌ ｆ ｅ ｅ ｙ ｔ ａ ｔ ｒｓ：ｔ ｅ ｄ ｔ ｒ ｎｉ ｔｉ ｈ ｅ ｅ ｍｉ ｓ Ｃ
收 稿 日 期 ： ２ ｌ —０ １ ． Ｏ Ｏｌ． １
基 金项 目： 国家 高技 术 研 究 发 展 计 划 （ ６ ８ ３计 划 ）项 目 资助 （ 准 号 ：２ ０ ＡＡ１ Ｚ２ ２ ；江 苏 省 普 通 高 校 研 究 生 科 研 创 新 批 ０７ ０） １
计 划 项 目 资 助 （ 准 号 ： ＣＸＺＺ１ ． ６ ） 。 批 １０ｌ ５
ａｌ ｏ ｔ ｍ ｇ ｒｉ ｈ
Ｋｅｙ ｗｏｒｄｓ： Ｐｅｒｃｅ ｐｔｉｏｎ ｔｉｍｅ， ｓｔｏｃｈａｓｔｉｅ ｅｆｆｅｃｔｓ， ｔｒａｆｆｉ ｃ ａｓｓｉｇｎ ｍｅｎｔ， ｌａｚｙ ｌｏａｄｉ ｎｇ ｇｏｒｉｔ ａｌ ｈｍ
０ 引 言
作 为交 通 规 划 中 的重 要 环 节 ， 通 分 配 工 作 一 般 交 假 设 出行 者 都 根 据 出 行 时 间 或 费 用 的 中 的 单 一 准 则
ａｎｄ ｔｈｅ ｓｔｏｃ ｈａｓ ｔｉａ． Ｉｎ ａｌ ｌ ａｃｔｕａｌ ｒａｆｆｉＣ ｔ ｎｅｔｗｏｒｋ， ｆｏｒ ｄｉｆｆｅ ｒｅｎｔ ｒｏａｄ ｕｓｅｒｓ ｈａｖｅ ｄｉ ｆｆｅｒｅｎｔ
ａ ｋ ｏ ｅ ｇ ｎ ｔ ｅ ｖ ｌ ｅ ｏ ｉ ， ｔ ｅ ｅ ｃｔ ｄｉ ｅ ｅ ｔ ｙ ｔ ｒ ｖ ｍｅ ｔ ｖ ｌ ｏ ｔ ａｎ ｃ ｎ ｗｌ ห้องสมุดไป่ตู้ ｅｓ Ｏ ｈ ａ ｕ ｆ ｔ ｍｅ ｈ ｙ ｒ ａ ｆｆ ｒ ｎ ｌ ｏ ｔ ａ ｅｌ ｔｉ ， ｒａ ｅ ｃ ｓ ｄ ｔ ａ ｆｉ ｏ ｇ ｔ ｏ ｎ ｔ ｅ ｂ ｉ ｈｅ ｒ ｏ ａ ｔ ｔ ｔ ｎｄ ｉ ｏ ｍａ ｉ ｎ Ｂ ｏ ｓｉ ｅ ｎ ｒ ｆ ｃ ｃ ｎ ｅｓ ｉ ｎ ｏ ｈ ａｓ Ｃ ｏｆ ｔ ｉ ｗｎ ｈ ｂｉ ， ａｓ ｅ ａ ｎｆ ｒ ｔ ｏ ． ｙ ｃ ｎ ｄ ｒｉ ｇ ｂ ｔ ｈ ｅ ｅ ｍｉ ｓ Ｃ ａ ｄ ｓ ｏ ｈａ ｔｉ ｆ ｅ ｔ ｆ ｃ ｏ ， ｔ Ｓ ｐ ｐ ｒ ｄ ｓ ｒｉ ｅ ｔ ｅ ａｔ ｃ １ ｏ ｈ ｔ ｅ ｄ ｔ ｒ ｎｉ ｔｉ ｎ ｔ ｃ ｓ Ｃ ｅ ｆ ｃ ａ ｔ ｒｓ ｈｉ ａ ｅ ｅ ｃ ｂ ｄ ａ ｍａ ｈ ｍ ｉ ａ
中 图 分 类 号 ： Ｕ１ ６ １ ．１ 文献 标识 码 ：Ａ 文 章 编 号 ：１ ７ －４ ４ （２ １ ０ －０ ５ —０ ６ ２ ７ ７ ０ １） ４ ０ ７ ６
Ｓ ｕｄ ｈｅ Ｄｙｎａ ｉ ａ ｃＡ ｓ ｍ ｅ ｔＭ ｏｄ ｌａ ｔ ｙ ｏｎ ｔ ｍ ｃ Ｔｒ ｆ ｇｎ ｉ ｓ ｉ ｎ ｅ ｎｄ
交 通 分 配 模 型 及 其 算 法 研 究
赵 金 宝 邓 卫 谢 秋 峰
东南 大 学 ，交通 学 院 ，南京 ２ ０９ １０ ６
摘
要 ：路 径 的 感 知 时 间 主 要 受 定 量 和 随 机 两 方 面 因 素 的 影 响 ．在 实 际 的 交通 网络 中 ，由 于 时 间价 值 观 的
不 同 ，道 路 使 用 者 会 根 据 习惯 、偏 好 、信 息 而 对 出 行 时 间 、 费 用 、道 路 拥 挤 等 诸 多 影 响 因素 做 出 不 同 的 反
应 。本 文 通 过 综 合 考 虑 定 量 和 随 机 两 方 面 因素 的影 响 效 应 ，建 立 了 基 于 感 知 时 间 的 交 通 分 配 模 型 ，设 计 了 求 解 该 模 型 的 延 迟 加 载 算 法 。 最 后 结 合 算 例 验 证 了算 法 的 有 效 性 ． 关 键 词 ：感 知 时 间 ； 随 机 效 应 ； 交 通 分 配 ； 延 迟 加 载 算 法
作 者 简 介 ：赵 金 宝 （ ９ ７ ） ， 男 ， 汉族 ， 山 东 省德 ，４ ，东 南 大 学 交 通 学 院博 士 研 究 生 ，研 究 方 向为 城 市 与 区 域 交 通 系 统 １８ 一 ‘人 １
规划 。
ｌ ¨
：
交 通 运 输 工 程 与 信 息 学报
２ １年 ０１
交通运 输工程与 信息学报
第 ９卷
第 ４期
２１ ０ １年 ｌ ２月
Ｊｕｎｌ ｆ ｒｎ ｐ ｒ ｔ ｎＥ ｇｎ ｅｉｇａ ｄ ｎｏｍａｉｎ Ｎｏ４Ｖｏ ． Ｄｅ．０ ｏ ｒａ ｏ Ｔ ａ ｓｏｔ ｉ ｎ ｉｅ ｒ ｎ ｆｒ ｔ ａｏ ｎ Ｉ ｏ ． １９ ｃ １ ２ １
基 于 感 知 时 间 的