-
公开(公告)号：CN110853375A
公开(公告)日：2020-02-28
申请号：CN201911149268.0
申请日：2019-11-21
Applicant: 东南大学
Abstract: 本发明提出了一种新型的考虑重叠路径影响的随机用户均衡逐日路径交通流预测方法，可以模拟随机用户均衡下的出行者路径流量的逐日演化过程。该方法可通过调查所得的初始网络路径流量模式预测其后任意第N天的路径流量模式，从而为未来一段时间内交通管控措施的制定与实施，提出指导性的意见。本发明通过定义重叠成本，将路径重叠对出行者路径选择行为的影响考虑在内，从而使模型更接近于实际情况，提高了流量预测可靠性，此外本发明中的流量调整比的数值可以随着演化过程的发展而自动调整。这不但省去了调查的麻烦，还更加符合实际情况。
-
公开(公告)号：CN113326468B
公开(公告)日：2022-11-18
申请号：CN202110479054.0
申请日：2021-04-30
Applicant: 东南大学
Abstract: 本申请涉及一种基于路径尺度修正及两阶段优化的交通流分配方法。该方法包括：通过前期阶段，在原始变量空间运用一阶Taylor展开近似目标函数的第一项，每次迭代时求解一个路径尺度型流量加载问题，最终在原始变量空间中生成一个良好的初始点，使其接近SUE最优解，由于该方法利用了路径尺度型Logit随机用户均衡模型的特殊结构，其搜索方向向量求解公式具有封闭形式解，因此不需要内部迭代，可以节省大量CPU时间，后期阶段，该方法运用二阶Taylor展开近似既约目标函数，每次迭代时求解一个既约牛顿方程，最终找到既约变量空间中的SUE最优解，由于二阶近似方法具有超线性的收敛速度，可以大大提高算法在后期的迭代效率，因此提高了运算效率。
-
公开(公告)号：CN111833596B
公开(公告)日：2022-04-29
申请号：CN201911134705.1
申请日：2019-11-19
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明研究了出行者路径选择过程中的决策惯性，并以此为基础，提出了一种考虑出行者决策惯性的逐日路段流量预测方法。该方法可根据调查所得的初始网络路段流量分布预测其后任意第N天的路段流量分布，从而为未来一段时间内交通管控措施的制定与实施，提供宝贵的指导意见。与现有技术相比，本发明考虑了出行者的决策惯性对网络交通流量动态演化过程的影响，能够为任意时日的城市交通流量提供更加精确合理的预测，是对交通流量分布预测技术的探索与创新，具有较强的理论研究意义和实践指导价值。
-
Patent Agency Ranking
公开(公告)号：CN110853375B
公开(公告)日：2020-12-01
申请号：CN201911149268.0
申请日：2019-11-21
Applicant: 东南大学
Abstract: 本发明提出了一种新型的考虑重叠路径影响的随机用户均衡逐日路径交通流预测方法，可以模拟随机用户均衡下的出行者路径流量的逐日演化过程。该方法可通过调查所得的初始网络路径流量模式预测其后任意第N天的路径流量模式，从而为未来一段时间内交通管控措施的制定与实施，提出指导性的意见。本发明通过定义重叠成本，将路径重叠对出行者路径选择行为的影响考虑在内，从而使模型更接近于实际情况，提高了流量预测可靠性，此外本发明中的流量调整比的数值可以随着演化过程的发展而自动调整。这不但省去了调查的麻烦，还更加符合实际情况。
-
公开(公告)号：CN111833596A
公开(公告)日：2020-10-27
申请号：CN201911134705.1
申请日：2019-11-19
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明研究了出行者路径选择过程中的决策惯性，并以此为基础，提出了一种考虑出行者决策惯性的逐日路段流量预测方法。该方法可根据调查所得的初始网络路段流量分布预测其后任意第N天的路段流量分布，从而为未来一段时间内交通管控措施的制定与实施，提供宝贵的指导意见。与现有技术相比，本发明考虑了出行者的决策惯性对网络交通流量动态演化过程的影响，能够为任意时日的城市交通流量提供更加精确合理的预测，是对交通流量分布预测技术的探索与创新，具有较强的理论研究意义和实践指导价值。
-
公开(公告)号：CN113269959B
公开(公告)日：2022-04-15
申请号：CN202110442220.X
申请日：2021-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于变尺度梯度校正的随机用户均衡交通流分配方法，本方法在既约变量空间中进行迭代，每步迭代通过生成一个校正矩阵来动态调整目标函数的梯度信息，该方法具有超线性的收敛速度，且无需计算任何逆矩阵，能够大大减少运算的复杂度；且相比梯度投影法，该方法能够提高迭代后期的收敛速度，并大大节省迭代后期的CPU时间，非常适合求解大规模无约束优化问题。通过运用基于变尺度梯度校正的随机用户均衡交通流分配方法，能够提高求解效率，节省运算时间。
-
公开(公告)号：CN113326468A
公开(公告)日：2021-08-31
申请号：CN202110479054.0
申请日：2021-04-30
Applicant: 东南大学
Abstract: 本申请涉及一种基于路径尺度修正及两阶段优化的交通流分配方法。该方法包括：通过前期阶段，在原始变量空间运用一阶Taylor展开近似目标函数的第一项，每次迭代时求解一个路径尺度型流量加载问题，最终在原始变量空间中生成一个良好的初始点，使其接近SUE最优解，由于该方法利用了路径尺度型Logit随机用户均衡模型的特殊结构，其搜索方向向量求解公式具有封闭形式解，因此不需要内部迭代，可以节省大量CPU时间，后期阶段，该方法运用二阶Taylor展开近似既约目标函数，每次迭代时求解一个既约牛顿方程，最终找到既约变量空间中的SUE最优解，由于二阶近似方法具有超线性的收敛速度，可以大大提高算法在后期的迭代效率，因此提高了运算效率。
-
公开(公告)号：CN113269959A
公开(公告)日：2021-08-17
申请号：CN202110442220.X
申请日：2021-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于变尺度梯度校正的随机用户均衡交通流分配方法，本方法在既约变量空间中进行迭代，每步迭代通过生成一个校正矩阵来动态调整目标函数的梯度信息，该方法具有超线性的收敛速度，且无需计算任何逆矩阵，能够大大减少运算的复杂度；且相比梯度投影法，该方法能够提高迭代后期的收敛速度，并大大节省迭代后期的CPU时间，非常适合求解大规模无约束优化问题。通过运用基于变尺度梯度校正的随机用户均衡交通流分配方法，能够提高求解效率，节省运算时间。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
