随机网络环境下的交通分配问题研究

Traffic assignment is one of the four fundamental steps of travel demand analysis—the most complex and important task in transportation planning. This proposed project aims at investigating a set of realistically needful yet previously ignored complex traffic assignment problems that arise from uncertain network environments. These problems include: 1) traffic assignment problem with spatial Markov decisions; 2) traffic assignment problem with stochastic path constraints; 3) traffic assignment problem with stochastic space price equilibrium; 4) traffic assignment problem with inertial travel behaviors; 5) traffic assignment problem with recourse travel behaviors. The main tasks of this project are, for each of these proposed traffic assignment problems, to construct and prove mathematical models, develop and test solution algorithms, and validate and evaluate these modeling and solution methods by using data sets from real traffic networks. Through studying these more technically advanced, more behaviorally realistic problems, we may obtain a deeper understanding on the complexity and evolution of traffic network behaviors, acquire better methods for developing new network analysis tools and software, and ultimately enhance our capability, efficiency and scope of solving more challenging travel demand forecasting and transportation planning problems arising from the real world.

交通分配是交通规划中最复杂最重要的任务—交通需求预测—的四个基本步骤之一。本项目聚焦于调查和研究一系列有重要现实意义但还没有被深入研究的复杂交通分配问题，他们的复杂性主要来自于随机交通网络环境对出行行为和系统均衡的影响。这些问题包括：1）具有空间马尔科夫决策的交通分配问题；2）具有随机路径限制条件的交通分配问题；3）基于随机空间价格均衡的交通分配问题；4）具有惯性出行行为的交通分配问题；5）具有补偿出行行为的交通分配问题。本项目的主要任务是为这些新型的复杂交通分配问题构建和验证数学模型、开发和测试计算方法，并且在现实的交通网络环境中对这些模型和算法进行检验和比较。通过对这些带有随机因素的交通网络均衡问题的研究，我们将能够更加深入地理解交通网络现象的复杂程度和演变机理，开发出新的交通网络分析工具和软件系统，最终增强我们在交通需求预测和交通规划实践中解决实际问题的能力、效率和广度。

交通分配是交通规划中最复杂最重要的任务—交通需求预测—的四个基本步骤之一。本项目聚焦于调查和研究一组有重要现实意义但还没有被深入研究的复杂交通分配问题，他们的复杂性主要来自于交通网络环境或者交通出行群体的随机因素对出行行为和系统均衡的影响。本项目的主要研究内容包括下列方面：一、开发（针对电动汽车驾驶者或者心理账户出行者）具有随机路径限制因素的交通分配模型和算法；二、开发（适用于随机中断交通网络的）具有马尔可夫决策特性的交通分配模型和算法；三、开发具有随机遗憾和补偿行为的交通分配模型和算法；四、应用以上开发的模型和算法于其他新兴的交通场景（例如疫情防控状态下的交通网络场景、包含公交专用道的交通网络场景、及使用共享汽车出行的交通网络场景等）。本项目的主要任务是为这些新型的复杂交通分配问题构建和验证数学模型、开发和测试计算方法，并且在典型的和新兴的交通网络环境中对这些模型和算法进行检验和比较。通过对这些带有不同类型随机因素的交通网络均衡问题的研究，我们更加深入地理解了供给和需求随机性对网络性能影响的复杂程度和演变机理，开发了新的交通网络分析和计算工具，也增强我们在交通需求预测和交通规划实践中解决实际问题的能力、效率和范围。此项目的研究成果目前包括15篇期刊论文（13篇国际期刊论文、2篇国内期刊论文）、12篇会议论文（其中2篇论文获得会议最佳/优秀论文奖）、2项授权发明专利；另有2篇国际期刊论文、2篇国际会议论文、2项国内发明专利正在评审阶段。