交通分配是通过了解各O—D量在路网内各路段上的分布,为评价和制定路网规划提供参考。到目前为止,以满足Wardrop原理为评价指标的平衡模型一直是学术界感兴趣的课题。这类模型表征的都是具有凸目标函数及非线性约束的非线性规划问题,要求得其精确解相当困难,因而提出了一些近似算法,如Frank-Wolfe算法、对偶算法。它们回避了求解非线性规划问题的困难,已在大型路网中得到应用。但是,上述分配模型假定出行者完全掌握路网交通信息,这就使所获得的分配结果与实际交通状况有较大出入。为此,近年来又提出了使用者最优概率分配模型[4],逻辑型分配模型,马尔可夫链分配模型等非平衡分配模型。这类模型的特点是出行者依据过去的出行经验来选择路径,分配的基本原则是通行费用越少选择率越高,因而其分配结果更具客观真实性。这类非平衡分配模型国内学者涉及不多,是一个有理论价值和应用价值的研究课题。 广义出行路径 在进行交通量分配问题的研究时,对于出行路径(routh)的概念,不同的配流模型有不同的定义。在一般逻辑型配流模型中,定义从起节点沿通行方向到达讫节点,并且所有路段(link)只能通过一次的通路(path)为出行路径。而在R.B.Dial提出的LOGIT配流模型中,参与交通分配的路径被限制为有效路径。在有效路径中的所有路段都使出行最短时间增加。因此,由Dial算法所得到的分配结果,所有出行量全部集中在有效路径上,这不能反映真实路网交通分配情况。在后来相继提出的容量限制多路径分配模型、用户最优平衡模型(UOE)、马尔可夫链配流模型,都对这个不足给予修正,从而使配流结果趋于真实合理。在此,定义O—D间的广义路径为在同一路段可以多次通行的条件下,从起节点O出发,按路段通行方向,最终到达讫节点D的所有通路集合。由此可见,在广义路径意义下,O—D间的通行路径条数可以是无穷大。 |