一、随机效用理论在路网容量研究中的应用（论文文献综述）
李维佳[1]（2021）在《基于出行行为影响机理的区域化可交易通行权优化理论与方法研究》文中研究指明随着小汽车数量的不断增加,城市交通拥堵问题变得越来严重,与之而来的环境等问题也越来越凸显,各个城市开始寻找与该城市发展相协调的需求管理策略。限行限购是目前常用的手段,然而会带来较为显着的负面影响。拥堵收费由于影响公平性,因此国内暂未实施,寻求更为公平和有效的需求管理策略显的尤为重要。本文在全面分析了既有的拥堵收费策略、限行限购策略、交易通行权策略理论和实践的基础上,对交通需求管理策略理论和实践体系做了进一步的补充和完善,以期为城市交通拥堵缓解提供新的思路和实践参考。鉴于此,本研究以可交易思想为依托,以通行权策略为基础,以交通控制小区区域化划分为单元,以出行行为和政策策略耦合思想为特色,提出了区域化可交易通行权策略思想及优化模型,并进行了一系列定性和定量的研究。主要的研究内容和研究结论为:首先,从理论可行性、实施紧迫性和实施必要性等方面对基于交通控制小区的区域化通行权收取方式进行了论证,对比分析了基于边界线,基于瓶颈,基于区域（多为市中心）和基于出行距离等诸多拥堵收费的方式,考虑到拥堵区域点-线-面扩散特征,我国大城市商圈分散,多CBD兴起的趋势,拥堵具有时空分布特征,市区内多种业态并存,出行行为复杂等特色,提出了区域化可交易通行权策略,其作为拥堵收费延伸版,可以起到缓解交通拥堵的功效,除此之外,他还具有较为公平,可以控制出行总量等优点。然后,基于多路谱聚类算法划分交通控制小区,将其作为交通需求预测的划分依据和通行权收取的单元。提出了基于熵权-TOPSIS合成模型,使用交通运行情况、公共交通发展情况,停车供需和土地开发强度四个指标综合反映交通控制小区拥堵程度,称作交通影响因素指数。构建了交通影响因素指数及交通控制小区通行权收取数量对照表。结合区域化可交易通行权模型最优结果,提出了使用灰色聚类灰度确定方法优化交通影响因素指数及交通控制小区通行权收取数量对照表的方法,提高实践便捷性和准确性。其次,构建了考虑出行目的地,出行方式以及出发时间的NL模型,以LOGSUM对其进行层间关联。使用SP+RP调查结果对Nested Logit模型参数进行了标定。构造出行行为与区域化可交易通行权策略之间的耦合互动思想,提出了路网运行时间和交通控制小区通行权收取数量更新迭代规则,OD和路段流量收敛准则,用于保证模型迭代效率和结果准确性。再者,构建了基于出行者异质性和出行目的差异性,有效考虑区域化可交易通行权策略的交通网络多用户均衡模型和多用户系统均衡模型。并从路网容量最大化和社会福利最大化两个差异化目标导向出发,分别构建了两个优化模型,用于求解区域化可交易通行权实施策略模型。分别提出了基于灵敏分析方法的模型求解方法,以及加入步长加速度和惩罚函数法的直接搜索法模型求解方法,并详细阐述了模型求解方法的运算迭代步骤和适用性。而后,提出了使用蛛网理论评价区域化可交易通行权交易系统稳定性的方法。优化模型得到的区域化可交易通行权策略（总发放量,最优价格和交通控制小区收取量）并不是均衡模式,即通行权的供给和需求数量是不一样的,因而在该最优价格下,系统会发生波动,供给和需求会发生变化,价格也会发生波动,系统会出现收敛、发散和封闭三种情况。对发散性的蛛网系统进行干涉和调节,从而保障通行权交易系统稳定。同时基于演化博弈论理论,分别从出行者个体和交易所博弈以及购买者和出售者博弈两个层面,研究了系统内部出现突变群体后的系统演化稳定性,构建了受到履约率等因子影响的均衡价格计算公式。研究显示,履约率与系统状态的演化有着紧密的关系,即会对出行者的行为产生影响,也会对交易价格变动或者均衡价格产生影响,从而影响系统演化稳定性,因而加强监管,提高履约率是保证系统稳定运行的关键。基于保障通行权流通市场和交易市场的稳定性和演化发展稳定性的需要,以及对交易系统规范化、透明化的要求,构建了交通控制小区边界车辆识别技术及流程,以及基于区块链技术的区域化可交易通行权交易平台框架,提高通行权收取效率和准确性,同时实现了交易思想的可操作性,保障了交易的履约率,提高了系统的稳定性。最后,结合西安市一个小分区进行了实例分析,以交通、人口等调查资料为基础,分别对上述构建的区域化可交易通行权策略进行了模拟仿真,分别从路网运行状况、路网容量状况和路网稳定性三个角度,对常规状态（无区域化可交易通行权策略）,和两个目标导向下的路网流量状态策略的实施效果进行了对比和评价。为了使得系统稳定,同时起到缓解交通拥堵,提高路网运行效率的作用,本研究建议使用目标导向二—以社会福利最大化为目标函数的双层优化模型结果作为实践的理论和数据基础。
张吉鑫[2]（2020）在《基于累积前景理论的多维出行联合决策方法研究》文中进行了进一步梳理随着城市机动化进程的加快,机动车保有量逐年走高,不断膨胀的出行需求无疑使得整个城市交通变得愈发复杂,并最终使得整个交通系统演化成一个带有不确定性的系统。城市路网当中所发生的各类不稳定的交通流形态其根本上都是大量的出行者通过采取不同的出行决策方案所产生的实质结果,因而出行决策研究需要不断深入。目前对交通出行行为的研究多数建立在出行者同质的基础上,忽视了出行者之间存在异质性,且研究多集中在单一决策行为上,对两种或两种以上的多维联合决策研究较少。不同出行者的特性不同,因而有必要对出行群体进行差异化研究,以构建不同类别出行群体的多维联合出行决策模型,从而为制定精细化的交通需求管理方案提供一定的参考依据。首先,对出行决策行为概念进行阐述,从主客观两种角度分析影响出行者进行出行决策的因素;随后就出行决策方法中的理论选择问题,比较了期望效用理论与前景理论的不同与优劣,探讨前景理论在出行行为问题当中的适用性;其次,阐述了出行者的特性差异,通过问卷调查统计出行基础数据,利用SPSS相关性分析检验影响因素的可靠程度,通过二阶段聚类取得出行群体的分类特征。然后利用单因素方差分析确定参照点组成因素为到达时刻和行程时间,并用最早到达时刻eT、最迟到达时刻wT和最佳到达时刻Tp作为参照依据,从必要出行和非必要出行两个层面建立出行者的参照点函数;利用贝叶斯理论对参照点函数进行更新,提出基于累积前景理论的多维出行联合决策模型,构建了价值函数、主观感知概率函数以及决策权重函数,以描述出行者各个备选方案的前景值,从而确定出行方案。选取重庆市主城区六公里至财富中心的路网作为研究算例,利用所得数据及不同类别出行群体差异性,构建出多维联合出行决策模型。将模型得到的联合决策方案与实际调查的出行决策结果相比较,证实所建立的模型与实际情况的偏离程度较低,模型适用性及精确度更高,能够较为精准地表现出不同类别出行群体的出行选择方案。
向怡帆[3]（2020）在《基于汽车保有量和路网容量的城市停车供给预测模型研究》文中提出随着城市化进程不断加快,城市机动车数量快速增长,导致了严峻的城市停车问题。停车问题不仅会阻碍城市交通健康发展,也会影响居民出行的便捷程度。因此配置合理的停车供给数量,是解决城市停车问题的关键环节之一。本文基于城市汽车保有量与路网容量,建立城市停车供给预测模型,研究在合理满足城市汽车保有量的基本停车需求的同时,也能满足居民日常交通出行路网所产生的弹性停车需求,该研究具有重要的理论与现实意义。首先,对城市停车供给与需求相关基本理论进行分析,将城市停车供给分两大类,即基本停车供给与弹性停车供给;从五大方面对城市停车供给影响因素进行了分析,对现有的停车需求预测模型的原理与优缺点进行了总结。其次,建立了基于汽车保有量的城市基本停车供给预测模型;对城市汽车保有量影响因素进行了分析,利用灰色关联分析法计算出各影响因素与城市汽车保有量之间的关联度,根据影响因素的选取原则,选出符合条件的影响因素;对现有预测模型进行总结,采用支持向量机模型预测汽车保有量,考虑到传统的网格遍历法在确定SVM算法c,g参数时的局限性,引入改进灰狼算法对c,g参数进行寻优,利用IGWO-SVM算法对未来年机动车保有量进行预测,即得到了基于机动车保有量的基本停车供给预测结果。然后,建立了基于路网容量的城市弹性停车供给预测模型;利用时空消耗法对路网容量计算模型进行构建,分别从道路设施有效利用面积、路网有效运营时间、交通个体时空消耗三方面对模型修正系数进行确定,并建立了基于二次指数平滑法与灰色预测法的城市道路面积组合预测模型,将预测面积带入城市路网容量计算模型中,得到了路网容量预测模型;将路网预测容量作为约束条件,结合居民不同出行目的、研究区域交通组成、居民出行方式差异性,建立了城市停车供需关系模型,从而确定路网容量约束下的未来年城市弹性停车供给数量。最后,以德阳市旌阳区为例对模型进行实际运用与验证。选用SVM、PSO-SVM、GA-SVM、GWO-SVM、IGWO-SVM、非线性回归、BP神经网络算法分别对测试样本数据进行预测,得到IGWO-SVM算法预测精度最佳,并利用该算法预测出2020年德阳市旌阳区汽车保有量,即基本停车供给数量;利用时空消耗法与组合预测模型预测出旌阳区路网容量,并以该容量约束下的停车供需关系模型预测出2020年德阳市旌阳区弹性停车供给数量,最终得到停车供给预测总量,验证了本文构建的停车供给预测模型的科学性和合理性。本文基于城市汽车保有量与路网容量,建立了城市停车供给预测模型,从一定角度解决了城市基本停车供给问题与弹性停车供给问题,满足由汽车保有量和社会出行活动而产生的停车需求,为停车设施建设规划与停车政策制定提供了一定的依据。
孙建平[4]（2020）在《面向交通需求管理的数据驱动型路网运行评价模型与方法》文中提出当今的交通拥堵问题已经从“以供养需”转为“以供定需”的交通需求管理（Traffic Demand Management,TDM）,由于TDM对社会、经济影响很大,需要科学的论证和量化的评估。面向TDM的路网运行评价模型和方法长期依赖传统的宏观静态交通模型,难以反映交通运行的动态时变特征,无法体现交通拥堵随时间的累积效应,且建模复杂、精度难以保证,而动态交通模型需要基于路段精细建模,难以满足大规模运行的要求。本论文针对现有模型和方法的问题和局限性,以基于大数据的交通需求与路网运行规律挖掘为突破点,研究不同需求调控下的路网运行动态迭代递归的建模难题,形成以数据驱动为主的高可靠、快反馈的评价模型和方法,并通过实际案例进行应用验证。论文主要研究工作如下:（1）从TDM措施分类入手,构建了面向不同类别TDM措施的多维度建模思路和框架。针对总量控制、时间调控、空间调控、出行结构约束、承载力约束5类TDM措施,分别对OD总量、OD分布、出发时间分布、路径选择等需求要素的影响进行分析,识别出三种模型方法,区分数据直接能解决的方法以及数据结合其他交通模型解决的方法分别进行建模。（2）第一种模型方法是面向总量控制和时间调控类TDM措施的数据驱动型模型。假设路径选择等需求要素不变,仅对OD总量和出发时间的调控,构建了基于需求双层分解的路网运行递归评价模型并基于多源数据进行了参数标定和验证。模型将出行需求分为不受拥堵影响的自由流状态的基本需求和受拥堵影响的实际需求两个层次,基本需求用于对需求的总量和出发时间的调控,实际需求用于路网运行状况随时间的递归,递归过程以在途小汽车样本量（实际需求）与路网平均速度的关系函数作为传导函数,实现对不同需求模式在不同TDM方案下24小时的路网运行状态估计。模型相对简单,能够反映交通运行的动态性,反映拥堵随时间的累积影响,可以对机动车总量控制、错峰上下班等TDM措施进行快速、准确评价。经过实际数据验证,该模型对于路网平均速度的估计精度达到90%以上。（3）第二种模型方法是面向空间调控类TDM措施的数据驱动与模型驱动相融合的模型方法。以职住平衡和拥堵收费为代表的空间调控则对OD分布和路径选择产生影响,单纯的数据驱动无法解决,需要数据驱动与模型驱动相融合进行估计。本论文将多源交通大数据融入四阶段交通模型,提出了基于计算图学习网络的交通出行需求估计方法,构建了基于计算图的TDM效益评价模型。该模型基于计算图的前向和反向传播优化交通需求估计和传播过程,实现TDM成本效益分析。（4）第三种模型方法是基于数据相关性的小汽车出行比例、路网容量估计方法。该方法是在数据驱动模型基础上,结合数据相关性进行极限值或边界值求解。求得路网运行边界速度下的路网容量和多种出行方式综合效率最优条件下的小汽车出行比例,解决了TDM约束目标和求解的难题。（5）以大数据为支撑,基于手机信令数据、小汽车出行数据等,提出了面向TDM的路网运行评价模型的出行特征数据提取方法,包括出行OD、出发时间、出行距离、出行时耗、出行路径等特征要素,为基于数据驱动的调控提供了良好数据条件。进一步针对小汽车出行特征数据提出了基于聚类分析的模式识别方法,为不同交通需求模式下的TDM路网运行影响评价奠定了基础。（6）以北京为例,分别对三种模型方法进行了实证分析,分析了对机动车总量调控、尾号限行、错峰上下班、职住平衡等应用场景下的不同TDM措施方案效果,并基于单双号限行模型仿真结果与浮动车监测结果的对比,验证了模型的可靠性。实现了对北京市中心城区范围路网容量和最优小汽车出行比例的估计。
徐媛[5]（2019）在《基于后悔理论的择路行为与交通网络均衡研究》文中指出随着道路基础设施的建设升级和智慧交通技术的发展,城市交通系统正以更高的网络通达性和信息传递效率服务于广大出行者,同时也潜移默化的影响着出行者的选择行为。在出行实施之前,人们往往更愿意通过导航软件获取可行路径的交通信息,通过对多条线路的出行时间、成本费用、拥堵程度等多个因素进行对比权衡后,选择适合自己的路径完成出行。这种选择行为的改变与后悔理论的行为假设愈加一致。因此,从后悔视角审视城市交通系统,认识个体选择行为和群体交通流形成规律成为亟待研究的课题。本文基于有限理性行为假定分析了个体的出行决策过程,提炼了导致后悔感知发生变化的因素,建立了基于后悔理论的路径选择模型;并将基于后悔理论的择路规则应用于网络均衡交通流分布规律的研究,分别从多用户类别和多决策目标两个角度对均衡流量加以分析。具体研究内容如下:首先,基于出行者的有限理性行为假定,研究了后悔心理影响下的个体出行行为。分阶段剖析个体出行决策全过程,结合主要存在于信息搜集阶段和方案比选阶段的有限理性行为现象,探讨应用后悔理论对其进行解释的合理性。提出出行选择情境下的后悔感知假述,包括结果优劣程度、与理想结果的接近性、熟悉性差异、后悔/欣喜感知非对称等,通过以通勤出行为背景的问卷调查对上述假述进行验证,识别出导致后悔感知发生变化的主要因素。其次,考虑方案熟悉性差异、后悔/欣喜感知非对称等影响后悔感知的因素,提出了适用于描述出行选择的随机后悔最小化模型。借助后悔一致性模型构建出行决策中的反事实思维,分析后悔影响因素的作用机理;借助心理距离概念,将不同方案距离出行者内心参照点的远近程度加以区分,改进传统的后悔度量方式,构建了考虑心理距离的随机后悔最小化模型。采用瑞士地铁调查数据开展实证研究,分析了在通勤出行和购物休闲出行中,心理距离的存在对出行方式选择造成的影响;同时,考察了包含心理距离的新模型在数据拟合和预测精度等方面的表现。然后,考虑网络用户异质性,研究了基于后悔理论的网络交通流长期均衡模式。根据出行者对起讫点之间不同路径的熟悉程度差异,划分用户类别;采用基于出行时间可靠性的有效出行时间作为后悔度量指标,假设不同类别用户对不同路径具有不同的出行时间可靠性要求,提出了基于后悔理论的多用户随机用户均衡模型。通过算例对比了多用户和单一用户类别下的流量分布状态,并演绎了不同的用户比例、路径熟悉程度以及出行时间可靠性对网络均衡流量分布的影响。最后,将应用后悔理论的均衡配流研究从考虑单一目标拓展为考虑多个目标,采用多目标非补偿的方式研究均衡流量分布规律。假设出行者将影响路径选择的多个目标分开考虑,分别从规避后悔的角度、追求效用与规避后悔相结合的角度,建立了相应的非补偿性多目标随机用户均衡模型。通过算例对比了补偿性模型与非补偿性模型在路径选择上的差异;讨论了出行需求与感知误差的变化对不同行为假设下的非补偿性模型配流结果的影响;并通过数值实验,对新模型解的情况进行了讨论。
李兆隆[6]（2019）在《基于弹复性的公路网络灾后恢复决策优化研究》文中提出公路网络与社会和公众联系紧密,尤其对于区域内的交通活动,至关重要,具有不可替代性。近年来,重大灾害事故频发,给受灾地区造成重大人员伤亡和财产损失的同时,也造成当地的公路网络等基础设施损毁严重。损毁的公路网络除了无法保障正常社会运行和经济活动之外,更重要的是,也无法及时满足救灾和灾后重建的需要。因此需要对损毁的公路网络及时修复。重大灾害后的公路网络恢复往往需要分阶段进行,每个阶段都要根据资金、资源、任务紧迫性、恢复目标的限制,同时考虑公路网络用户的出行选择行为、恢复工程的不确定性,然后确定需要优先恢复的关键路段及其恢复时序,以便取得最佳的恢复效果。这一决策过程极其复杂,难度巨大。为了解决上述难题,本文进行了基于弹复性的公路网络灾后恢复决策优化研究。本研究将弹复性工程和网络优化的理论方法相结合,用以解决网络恢复问题,提出的基于弹复性的网络恢复选择与排程集成问题优化方法,有利于促进尚处于研究初级阶段的选择与排程集成问题得到系统深入的研究。在上述优化方法的基础上,分别提出基于弹复性的公路网络应急恢复阶段决策优化方法和基于弹复性的公路网络全面恢复阶段决策优化方法,解决公路网络灾后恢复不同阶段面临的恢复决策问题,丰富了公路网络灾后恢复研究,并且为决策者提供了科学的决策依据。本文主要研究工作如下:（1）基于弹复性的网络恢复选择与排程集成问题优化方法提出未考虑公路网络各恢复阶段特点和用户选择行为的基于弹复性的网络恢复选择与排程集成问题优化方法。该方法包括:两个弹复性度量指标,分别从网络性能的恢复速度以及恢复过程中网络性能的累计损失两方面来度量系统弹复性;基于弹复性的网络恢复选择与排程集成决策优化模型;求解该模型的遗传算法（Genetic Algorithm,GA）。并通过一个算例分析展示该优化方法的可用性和有效性。（2）基于弹复性的公路网络应急恢复阶段决策优化方法将连通性作为公路网络应急恢复阶段重点恢复的性能指标,研究该阶段的公路网络恢复选择与排程集成问题。首先,给出应急恢复阶段公路网络连通性的度量方法。然后,在研究内容（1）的基础上,考虑应急恢复阶段可能存在的工期不确定性,分别针对确定性环境和随机环境,建立基于弹复性的公路网络应急恢复阶段决策双层优化模型。其中,将研究内容（1）中的优化模型的恢复目标改为公路网络应急恢复阶段恢复目标,作为上层模型,用来确定应急恢复阶段需要优先恢复的关键路段及其恢复时序,以便最大化公路网络弹复性;下层模型将公路网络用户在上层决策下的行为反应归结为一个带时间序列的用户均衡配流模型。之后,结合研究内容（1）中的GA算法和求解用户均衡配流问题的Frank-Wolfe算法,设计上述双层模型的求解算法。最后,通过某区域货运道路网络来验证本章模型和算法的有效性,并分析了不同资源、资金、通行时间容忍系数、决策者偏好约束对恢复决策的影响,为决策者提供应急恢复阶段公路网络恢复的决策建议和管理启示。（3）基于弹复性的公路网络全面恢复阶段决策优化方法将路网容量作为公路网络全面恢复阶段重点恢复的性能指标,研究该阶段的公路网络恢复选择与排程集成问题。首先,给出全面恢复阶段公路网络路网容量的度量方法。然后,在研究内容（1）的基础上,建立基于弹复性的公路网络全面恢复阶段决策三层优化模型。其中,将研究内容（1）中的优化模型的恢复目标改为公路网络全面恢复阶段恢复目标,作为上层模型,用来确定全面恢复阶段需要优先恢复的关键路段及其恢复时序,以便最大化公路网络弹复性;中层和下层模型合起来是一个带时间序列的路网容量双层优化模型,其中,中层模型求解上层决策下的路网容量恢复情况,下层模型将公路网络用户在上层和中层决策下的行为反应归结为一个带时间序列的均衡出行分布和交通配流组合模型。之后,结合研究内容（1）中的GA算法、一种一维搜索的启发式算法、求解均衡出行分布和交通配流组合模型的凸组合算法,设计上述三层模型的求解算法。最后,通过某区域货运道路网络来验证本章模型和算法的有效性,并分析了不同资源、资金、路网容量恢复目标、公路网络平均通行时间容忍系数对恢复决策的影响,选择与排程集成优化的必要性和重要性,为决策者提供全面恢复阶段公路网络恢复的决策建议和管理启示。
王妍妍[7]（2019）在《地震灾害应急物资多周期分配优化模型研究》文中研究指明近年来,全球各地地震灾害频繁发生,对社会经济发展和人民生产生活造成了严重的影响,同时也对灾害应急管理工作提出了新的挑战。灾后应急救援的根本目的在于最大程度地降低灾区人员伤亡和社会经济损失,而在救援过程中,物资救援是满足灾区灾民生存需求与恢复发展的关键。科学高效与公平合理的应急物资分配方案有助于提高应急救援成效,不适当的分配方案可能给灾区造成二次伤害,加重灾区人员伤亡和财产损失程度。因此,地震灾害发生后,如何科学高效与公平合理地开展应急物资分配工作是目前应急管理领域亟待解决的重要研究问题。然而,现有的应急物资分配研究主要围绕应急物资的单周期分配展开,忽略了现实应急救援物资分配是一个持续的多周期过程,很少考虑不同应急周期之间物资供给与需求的动态变化;在物资分配优化的目标方面,现有研究多以时间、成本等体现效率或满意度等体现公平的单一因素为目标,忽略了实际大规模灾害应急救援物资分配决策需要综合考虑兼顾效率与公平的实际情况;同时,多数研究基于完备灾情信息展开,对实际应急救援环境存在的模糊随机信息与路网受损等不确定因素对物资分配产生的影响考虑不足;最后,以往属地管理原则下形成的应急物资分配方案容易出现高成本低效率的情况,研究成果得不到有效的转换和应用。基于此,本文基于物资需求的周期性以及物资筹集与分配的周期性,提出多周期分配策略,综合考虑各周期之间物资供给与需求的动态变化,以“地震灾害应急物资多周期分配优化”为研究对象,以应急资源管理理论、应急阶段划分理论、应急物资分配理论为基础,应用多目标优化、模糊规划、随机规划、线性近似以及智能优化算法等多种研究方法,分别基于确定性供需信息、不确定灾情信息构建多周期分配优化模型,并对多周期分配优化模型的有效性进行分析及其提升路径进行探究,旨在实现整个应急周期物资的最优分配。主要研究内容如下:首先,在基于确定性供需信息的应急物资多周期分配优化方面,针对现有模型构建多注重效率而忽视公平的不足,提出兼顾效率与公平的应急物资多周期分配优化模型。以完备灾情信息为基础,根据物资分配网络拓扑结构的不同,构建了两类模型:一是通过引入指数效用函数,以灾民物资短缺负效用损失量化公平,考虑不同周期灾民对于不同应急物资需求的动态变化特性,以最小化物资短缺负效用损失与物资分配总成本为目标,构建基于救援点—受灾点二级节点网络的应急物资多周期分配优化模型;二是考虑到灾后配送中心物资有限、需要物资集散点及时供应的情况,以物资短缺的延迟损失最小化与物资分配的总成本最小化为目标,构建基于集散点—配送中心—受灾点三级节点网络的应急物资多周期分配优化模型,有利于促使物资分配兼顾效率与公平。其次,在基于不确定灾情信息的应急物资多周期分配优化方面,针对地震的突发性、信息获取的不完全性、救援需求的紧迫性以及次生灾害影响,提出一种适用于实际灾害救援情境的应急物资多周期分配优化模型。第一,针对灾害发生的无预兆性所导致的无法准确获得应急响应周期内的物资供给量、需求量和道路最大运输量等信息的实际情况,提出基于模糊供需信息的应急物资多周期分配优化模型,能够实现在救援供需信息为区间值或模糊值时应急物资的多周期合理优化分配;第二,针对灾后道路损毁,路网存在一定风险并急需修复的情况,提出多周期应急物资配送与路径修复风险度量方法,并以最小化总分配时间、总分配成本和总体路径风险为目标构建基于随机模糊信息与路网修复的应急物资多周期分配优化模型,可以弥补以往物资分配方案脱离灾害实际情境信息的不足。再次,在应急物资多周期分配优化模型的有效性分析及提升路径探究方面,主要解决了以下两个方面的问题:第一,引入剥夺成本构建应急物资多周期分配优化社会总成本模型,提出基于基尼系数的应急物资多周期分配公平测度方法,通过比较多周期与单周期分配模型、分析模型在提高分配效率以及实现分配公平等方面所体现出的效果,验证应急物资多周期分配优化模型的有效性;第二,针对大规模地震灾害的跨边界特征以及属地管理原则下物资分配存在高成本低效率的不足,提出基于区域自救与跨区域协同救援的应急物资多周期分配优化模型提升路径,有利于实现多周期救援整体效果最优及救助效率最大化。本文将多周期分配策略引入到应急物资分配优化模型构建之中,建立了系统的应急物资多周期分配优化模型,针对应急物资分配优化的关键问题进行分析和研究,旨在解决目前应急物资分配优化决策过程中的薄弱问题,希望能够为实现地震灾害应急物资的多周期科学高效与公平合理分配以及提高震灾应急物资多周期分配的整体救援效果提供新思路,为政府应急管理部门在应急物资管理决策方面提供理论和决策参考。
罗杰超[8]（2019）在《出行预约模式在节假日高速公路场景的应用方法研究》文中研究指明针对节假日期间高速公路因出行需求激增却缺乏有效协调机制而拥堵严重的问题,本文对出行预约模式在节假日高速公路场景的应用方法进行了研究。作为交通需求管理方法的一种,出行预约模式要求驾驶员在出行之前提前预约特定时段和路线的通行权,则交通管理者可通过限制出行名额数量来避免道路拥堵。因此,在通信技术及智能交通系统等大力发展的背景下,研究并设计合适的出行预约方案有助于缓解高速公路拥堵,可为节假日高速公路交通管理提供一定的参考。本文主要研究工作如下:（1）节假日高速公路出行现状与出行预约模式效益及可行性分析。首先,结合实际流量数据总结了节假日高速公路出行需求特征,随后归纳了出行延误的产生原因,并通过瓶颈延误分析对比,阐述了出行预约模式的作用和效益。最后从道路环境条件、技术条件和公众接受度等三个方面阐述了该模式在将来应用的可行性。（2）节假日高速公路场景下的出行预约模式方案设计。阐述了该模式的设计目的及考虑因素,在研究现有预约模式方案的基础上,从提高出行名额分配公平性等角度出发,设计了改进的预约机制,再考虑出行预约系统在决策迭代优化等方面的功能需求,提出了系统组成与功能设计方案,并给出了系统运作与用户预约流程方案。最后结合算例,基于基尼系数验证了本文出行预约模式在提高出行名额分配公平性方面的效益。（3）出行预约模式下的出行名额容量规划方法研究。针对出行预约模式中各时段内各类出行需求的出行名额数量如何制定的问题,在研究现有相关方法的基础上,结合本文出行预约模式设计方案的功能特点,考虑各类出行需求分布特征、高速公路入出口及合流区等各类瓶颈路段流量控制和系统最优流量分配方式等因素,建立了基于双层规划的出行名额容量规划模型。最后根据模型特点给出了求解方法。（4）仿真实验与效益评价。结合算例设计了对照实验并进行VISSIM交通仿真,仿真结果表明,与现有相关研究的典型模型相比,本文模型得出的方案路网通过车辆数稍小,但有效缓解了瓶颈拥堵,显着降低了车辆出行延误,说明本文模型能够有效提高出行名额容量规划的合理性。仿真结果也证明出行预约模式具有缓解交通拥堵的效益。
覃定明[9]（2019）在《无人驾驶车辆对路网储备容量的影响分析》文中研究说明为了研究未来无人驾驶车辆对道路网络容量的影响,本文将路网上的车辆分为无人驾驶车辆和普通车辆两类。假设普通车辆遵循用户最优,无人驾驶车辆遵循系统最优,各OD之间的交通需求乘子采用均一需求乘子的增长方式,构建了满足路段容量约束条件下的路网储备容量模型。研究结果表明路网容量随着无人驾驶车辆市场渗透率的增加而增加。在此基础上,论文构建了 OD需求结构对路网储备容量影响的非均一需求增长乘子容量模型,设计了求解非均一需求增长乘子路网容量模型的多种群遗传算法。研究结果表明无人驾驶车辆市场渗透为较低时路网容量增长不明显。当市场渗透达到一定比例时,无人驾驶车辆占据主导地位,道路网络容量呈近线性趋势增长。而后,当市场渗透较大的时候,道路网络容量增加趋势逐渐放缓,变化状态波动不大。非均一需求增长乘子与均一需求增长乘子两种计算结果所得到的道路网络容量增长趋势类似,但是前者计算结果大于后者。不同OD对的增长乘子不一定相同,无人驾驶车辆的加入可以优化不同地区的OD需求分布,从而提升整个道路网络的容量。考虑到普通用户对出行路径时间存在感知误差,论文假设普通车辆遵循随机用户最优,无人驾驶车辆仍遵循系统最优,构建了该混合均衡模式下的路网容量模型。研究结果表明,当无人驾驶车辆市场渗透率和普通出行者用户对网络信息熟悉程度均较低时,道路网络容量增长较快。对于给定的市场渗透率,出行者对于路网熟悉程度存在临界值,该值所对应路网容量水平是最大的,超过这个界限,路网容量将会下降。当普通出行者用户对网络信息熟悉程度不高时,非均一需求增长乘子与均一需求增长乘子计算结果差异较小。当普通出行者用户对网络信息熟悉程度达到一定水平时,网络流量分布的集中效应开始出现,此时非均一需求增长乘子计算路网容量结果要优于均一需求增长乘子。通过研究可知,无人驾驶环境下普通车辆遵循用户最优与随机用户最优路网容量计算结果是不相同的,后者计算结果要大于前者。随着网络出行者对路网熟悉程度的增加,二者计算的差异逐渐减小。当出行者完全掌握了路网出行信息时,普通用户将会遵循最短路规则,此时非均一需求增长乘子计算道路网络容量是最低的,网络信息冗余不利于道路网络流量的时空均衡分布。
高雅婷[10]（2019）在《城市道路交通系统演化下路网容量及其应用研究》文中认为城市中汽车的大量涌现,人口的大量聚集,居民出行总量大幅增长,机动车出行比例迅速上升,使得城市交通问题越来越复杂,矛盾越来越尖锐。城市道路交通与居民出行息息相关,“牵一发而动全身”,城市道路交通问题若不加以控制,城市道路交通系统将朝着混乱无序方向发展,最终导致系统走向崩溃瓦解。城市道路网作为城市道路交通系统中的重要组成部分,其规模的合理性是制定科学有效的交通管理政策、充分发挥道路网功能的基础。路网容量是反映其规模合理性的重要指标之一,准确的把握路网容量有利于城市交通的有效管理。复杂性科学在路网结构的研究应用较为广泛,但在路网容量相关方面研究甚少。本文以城市道路网为研究对象,利用自组织理论研究城市道路交通系统演化过程并研究演化过程中的路网容量,从而丰富了复杂性科学在交通领域的应用。具体研究内容如下。首先,从自组织理论出发研究城市道路交通系统演化过程。开放系统、远离平衡态、非线性相互作用和涨落普遍存在等特征是系统演化的必要条件。系统演化机制包括自组织和复合演化机制,由此本文分别建立系统自组织演化模型和供需协同演化模型。对于城市道路交通系统演化模式,先从道路网密度、道路面积率和路网容量三个参数说明供给合理性,再利用多元回归分析法预测系统演化发展未来的交通量。根据城市道路供需匹配指数获得城市道路交通系统演化发展模式:供需追随型——小汽车交通发展模式、供需超前型——公共交通发展模式、供需引导型——混合交通发展模式。然后,本文构建双层规划模型作为路网容量求解模型。考虑了城市道路交通系统内外部影响、交通个体的随机路径选择行为、路段饱和度等影响因素,进而讨论路网容量双层规划的计算模型,同时修正模型并给出求解步骤。最后,本文选取长沙市作为实证对象来构建模型,概述长沙市路网发展状况、总结路网在宏观、中观及微观层面存在的问题。同时,确定长沙市城市道路交通系统的慢弛豫变量有市区人口、机动车保有量、道路长度和道路面积,通过MATLAB软件仿真解释系统在不同他组织力作用下的供需状态以及对应的交通发展模式。从路网密度、道路面积率的统计分析得知长沙市这两个指标未达到合理值,运用多元线性回归模型预测长沙市2018-2022年的交通出行需求。运用Trans CAD软件结合双层规划模型计算长沙市路网容量值,将该值应用到城市道路供需匹配指数计算中,得到长沙市2018-2022年的道路交通系统的发展模式是由混合交通模式向小汽车交通模式发展。对实证研究的系统演化发展和供需合理性结果综合分析,并提出促进长沙市城市道路交通系统有序发展的措施与建议。
二、随机效用理论在路网容量研究中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、随机效用理论在路网容量研究中的应用（论文提纲范文）
（1）基于出行行为影响机理的区域化可交易通行权优化理论与方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 硏究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 综合评述 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 基于拥堵收费的区域化可交易通行权策略论证分析 |
| 2.1 拥堵收费策略 |
| 2.1.1 拥堵收费策略机理 |
| 2.1.2 拥堵收费策略类型 |
| 2.1.3 国外拥堵收费策略实施方法及效果研究 |
| 2.2 可交易通行权策略 |
| 2.2.1 可交易通行权策略工作机制 |
| 2.2.2 可交易通行权策略机理 |
| 2.3 拥堵收费和可交易通行权关联性及差异性分析 |
| 2.4 基于拥堵收费的区域化可交易通行权策略必要性及可行性分析 |
| 2.4.1 区域化策略实施的必要性分析 |
| 2.4.2 基于交通控制小区划分的区域化可交易通行权策略可行性分析 |
| 2.5 区域化可交易通行权策略工作机理及优势 |
| 2.6 本章小结 |
| 第三章 基于交通控制小区的区域化可交易通行权收取单元划分 |
| 3.1 交通控制小区划分 |
| 3.1.1 交叉口关联度 |
| 3.1.2 谱聚类算法 |
| 3.1.3 基于多路谱聚类算法的交通控制小区划分技术 |
| 3.1.4 交通控制小区微调、合并和分割技术 |
| 3.2 基于交通控制小区的交通影响因素指数计算 |
| 3.2.1 交通控制小区的交通影响因素指数影响因素 |
| 3.2.2 基于熵权-TOPSIS合成模型的交通影响因素指数多指标集成 |
| 3.3 基于交通影响因素指数的交通控制小区通行权收取数量 |
| 3.3.1 交通影响因素指数及通行权收取数量对照表确定 |
| 3.3.2 交通影响因素指数及通行权收取数量对照表优化 |
| 3.4 本章小结 |
| 第四章 区域化可交易通行权下的出行者出行行为影响建模 |
| 4.1 出行行为研究理论基础 |
| 4.1.1 非集计模型基本理论 |
| 4.1.2 常用的Logit模型 |
| 4.2 Nested Logit(NL)模型构建 |
| 4.2.1 基本思想框架 |
| 4.2.2 出行者异质性 |
| 4.2.3 出行者出行目的 |
| 4.2.4 基于NL模型的出行行为预测模型 |
| 4.2.5 基于LOGSUM的模型层间联系搭建 |
| 4.2.6 PA矩阵转换成OD矩阵 |
| 4.3 数据调查方法及结果分析 |
| 4.3.1 调查方法 |
| 4.3.2 调查方案及调查问卷的内容 |
| 4.3.3 RP出行调查结果统计分析 |
| 4.3.4 SP出行调查结果统计分析 |
| 4.3.5 基于RP+SP的 NL模型参数标定 |
| 4.4 出行行为影响模型与区域化可交易通行权策略优化模型耦合思想 |
| 4.5 本章小结 |
| 第五章 差异化目标导向下的区域化可交易通行权策略优化模型 |
| 5.1 基于区域化可交易通行权的多用户及系统均衡分配模型 |
| 5.1.1 传统的交通网络均衡模型 |
| 5.1.2 基于区域化可交易通行权的多用户交通网络均衡条件 |
| 5.1.3 基于区域化可交易通行权的多用户及系统均衡分配模型构建 |
| 5.1.4 模型求解方法 |
| 5.2 路网容量最大化导向下的区域化可交易通行权模型研究 |
| 5.2.1 路网容量最大化目标的研究必要性 |
| 5.2.2 路网服务水平的限制条件 |
| 5.2.3 环境容量约束条件 |
| 5.2.4 基于路网容量最大化的双层规划模型 |
| 5.3 路网容量最大化导向下的区域化可交易通行权模型求解 |
| 5.3.1 基于变分不等式的灵敏度分析 |
| 5.3.2 基于灵敏度分析的双层规划模型求解方法 |
| 5.4 社会福利最大化导向下的区域化可交易通行权模型研究 |
| 5.4.1 社会福利最大化目标的研究必要性 |
| 5.4.2 区域化可交易通行权需求计算 |
| 5.4.3 基于社会福利最大化的双层规划模型 |
| 5.5 社会福利最大化导向下的区域化可交易通行权模型求解 |
| 5.6 本章小结 |
| 第六章 区域化可交易通行权系统稳定性研究及保障方法 |
| 6.1 基于蛛网理论的交易系统稳定性分析 |
| 6.1.1 蛛网理论 |
| 6.1.2 简单路网系统稳定性分析 |
| 6.1.3 复杂路网下供需与价格关系及系统稳定性分析 |
| 6.1.4 可交易通行权系统稳定性的敏感性分析 |
| 6.2 出行者与交易所之间交易履约行为策略的演化稳定分析 |
| 6.2.1 信用风险及履约率 |
| 6.2.2 履约监管演化博弈论模型 |
| 6.2.3 演化稳定性分析 |
| 6.2.4 履约率与交易价格之间的定量关系 |
| 6.3 购买者和出售者之间订单交易履约行为策略的演化稳定分析 |
| 6.3.1 订单履约率下的博弈行为 |
| 6.3.2 演化稳定性分析 |
| 6.3.3 订单履约率与交易价格之间的定量关系 |
| 6.4 区域化可交易通行权收取识别技术及交易平台框架构建 |
| 6.4.1 区域化可交易通行权收取识别技术及流程 |
| 6.4.2 基于区块链技术的区域化可交易通行权交易平台框架构建 |
| 6.5 本章小结 |
| 第七章 实例分析 |
| 7.1 路网基本概况 |
| 7.1.1 路段流量调查 |
| 7.1.2 交叉口流量调查 |
| 7.1.3 公共交通调查 |
| 7.1.4 停车实施调查 |
| 7.2 常规状态下的交通分配结果 |
| 7.2.1 初始交通控制小区划分 |
| 7.2.2 不同出行目的下异质性出行群体PA分布 |
| 7.2.3 交通分配结果分析 |
| 7.3 目标导向下的区域化可交易通行权策略模拟研究 |
| 7.3.1 初始交通控制小区通行权收取数量 |
| 7.3.2 路网容量最大化下的区域化可交易通行权模型模拟结果 |
| 7.3.3 社会福利最大化下的区域化可交易通行权模型模拟结果 |
| 7.4 模拟结果比较及分析 |
| 7.4.1 路网运行状况评价 |
| 7.4.2 路网容量状况评价 |
| 7.4.3 路网稳定性状况评价 |
| 7.5 本章小结 |
| 结论与展望 |
| 主要研究结论 |
| 主要创新点 |
| 研究展望 |
| 附录一 |
| 参考文献 |
| 攻读博士学位期间取得研究成果 |
| 致谢 |
（2）基于累积前景理论的多维出行联合决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究述评 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 前景理论在出行决策中的适用性分析 |
| 2.1 出行决策行为 |
| 2.1.1 出行决策概述 |
| 2.1.2 出行决策节点及阶段 |
| 2.2 出行决策影响因素 |
| 2.2.1 出行决策影响因素分析 |
| 2.2.2 主观因素对出行决策的影响 |
| 2.2.3 客观因素对出行决策的影响 |
| 2.3 前景理论在出行决策研究中的适用性 |
| 2.3.1 出行者的风险偏好 |
| 2.3.2 前景理论的适用性 |
| 2.3.3 累积前景理论(CPT)概述 |
| 2.3.4 累积前景理论的一般框架 |
| 2.4 本章小结 |
| 第三章 基于聚类分析的出行群体异质性分类 |
| 3.1 出行者异质性分析 |
| 3.1.1 出行者的异质性 |
| 3.1.2 出行者分类方法 |
| 3.2 出行群体调查设计 |
| 3.2.1 RP/SP调查方法 |
| 3.2.2 出行群体特性统计分析 |
| 3.3 基于两阶段聚类法的出行者异质性分类 |
| 3.3.1 变量的降维处理 |
| 3.3.2 两阶段聚类分析 |
| 3.3.3 出行群体类别统计分析 |
| 3.4 本章小结 |
| 第四章 基于累积前景理论的多维出行联合决策模型 |
| 4.1 出行群体参照点选取 |
| 4.1.1 参照点要素分析 |
| 4.1.2 参照点的确定 |
| 4.2 参照点函数构建 |
| 4.2.1 到达时刻 |
| 4.2.2 行程时间 |
| 4.2.3 出发时刻的选取 |
| 4.3 基于贝叶斯理论的参照点更新模型 |
| 4.3.1 出行前的更新 |
| 4.3.2 出行后对出行经验的调整 |
| 4.4 多维出行联合决策模型构建 |
| 4.4.1 风险偏好系数 |
| 4.4.2 价值函数 |
| 4.4.3 主观感知概率函数 |
| 4.4.4 决策权重函数 |
| 4.4.5 前景值的计算 |
| 4.5 本章小节 |
| 第五章 实例分析 |
| 5.1 路网构建与数据获取 |
| 5.2 多维出行联合决策模型参数确定 |
| 5.3 多维出行联合决策结果分析 |
| 5.4 决策模型准确性校核 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究成果 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
（3）基于汽车保有量和路网容量的城市停车供给预测模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内外研究评述 |
| 1.3 主要研究内容、方法与技术路线 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文主要研究方法 |
| 1.3.3 技术路线图 |
| 第二章 城市停车供需相关理论分析 |
| 2.1 停车供需相关理论介绍 |
| 2.1.1 停车需求分析 |
| 2.1.2 停车供给分析 |
| 2.2 城市停车供给影响因素分析 |
| 2.2.1 机动车保有量 |
| 2.2.2 路网容量 |
| 2.2.3 交通管理政策 |
| 2.3 停车需求预测方法比较分析 |
| 2.3.1 停车需求总量预测模型 |
| 2.3.2 基于用地规模的停车需求模型 |
| 2.3.3 基于车辆出行吸引的停车预测模型 |
| 2.3.4 交通量-停车需求方法 |
| 2.3.5 基于小汽车保有量发展趋势的停车需求预测模型 |
| 2.3.6 现有停车需求预测模型优缺点分析 |
| 2.4 本章小结 |
| 第三章 基于汽车保有量的基本停车泊位供给预测模型 |
| 3.1 城市汽车保有量影响因素分析与预测方法 |
| 3.1.1 城市汽车保有量影响因素分析 |
| 3.1.2 主要预测模型性能分析 |
| 3.2 支持向量机(SVM)理论 |
| 3.2.1 支持向量分类机(SVC) |
| 3.2.2 支持向量回归机(SVR) |
| 3.2.3 核函数 |
| 3.3 改进灰狼算法(IGWO)优化SVM预测模型 |
| 3.3.1 灰狼算法(GWO)原理 |
| 3.3.2 差分进化算法(DE)原理 |
| 3.3.3 IGWO-SVM预测模型的构建 |
| 3.4 基于IGWO-SVM算法的基本停车泊位供给预测模型建立 |
| 3.4.1 城市汽车保有量影响因子关联度分析 |
| 3.4.2 模型建立过程 |
| 3.5 本章小结 |
| 第四章 基于路网容量的城市弹性停车泊位供给预测模型 |
| 4.1 基于时空消耗法的城市路网容量计算模型 |
| 4.1.1 道路设施有效利用面积 |
| 4.1.2 路网有效运营时间 |
| 4.1.3 交通个体时空消耗 |
| 4.1.4 基于时空消耗法的城市路网容量计算模型 |
| 4.2 城市路网容量预测模型 |
| 4.2.1 基于指数平滑法的城市道路面积预测 |
| 4.2.2 基于灰色预测模型的城市道路面积预测 |
| 4.2.3 基于组合预测模型的城市道路面积预测 |
| 4.2.4 城市路网容量预测模型 |
| 4.3 基于路网容量的城市弹性停车泊位供给预测模型 |
| 4.3.1 城市停车泊位供给与路网容量的关系 |
| 4.3.2 基于路网容量的城市弹性停车泊位供给预测模型构建 |
| 4.3.3 考虑居民出行方式对模型进行优化 |
| 4.4 本章小结 |
| 第五章 实例应用分析 |
| 5.1 德阳市旌阳区介绍 |
| 5.2 基于汽车保有量的德阳市旌阳区基本停车泊位供给预测 |
| 5.2.1 旌阳区汽车保有量影响因子选取 |
| 5.2.2 旌阳区汽车保有量预测及七种模型预测结果比对 |
| 5.3 基于路网容量的德阳市旌阳区弹性停车泊位供给预测 |
| 5.3.1 基于时空消耗法的旌阳区路网容量计算 |
| 5.3.2 基于组合预测模型的旌阳区道路总面积预测 |
| 5.3.3 旌阳区路网容量预测 |
| 5.3.4 基于路网容量的旌阳区弹性停车泊位供给预测 |
| 5.3.5 三种模型预测结果比较 |
| 5.4 区域停车管理策略建议 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文主要研究成果及创新点 |
| 6.1.1 论文主要研究成果 |
| 6.1.2 论文创新点 |
| 6.2 展望与不足 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论文及学术成果 |
（4）面向交通需求管理的数据驱动型路网运行评价模型与方法（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的 |
| 1.3 研究内容和方法 |
| 1.4 论文框架结构 |
| 2 国内外研究现状与基础理论 |
| 2.1 交通需求管理评价方法国内外现状 |
| 2.1.1 基于宏观静态交通模型的评价方法 |
| 2.1.2 基于动态交通流模型的评价方法 |
| 2.2 路网运行评价方法国内外现状 |
| 2.2.1 评价方法 |
| 2.2.2 主要评价指标 |
| 2.3 存在问题分析 |
| 3 面向TDM的数据驱动型路网运行评价体系框架 |
| 3.1 整体框架 |
| 3.2 数据支撑 |
| 3.3 面向TDM的路网运行评价方法 |
| 3.3.1 路网运行评价的指标选择与设计 |
| 3.3.2 评价方法逻辑框图 |
| 3.4 典型场景应用需求分析 |
| 3.5 小结 |
| 4 面向TDM的数据特征提取方法 |
| 4.1 数据特征提取方法 |
| 4.1.1 基于伪码手机信令数据的出行OD提取方法 |
| 4.1.2 小汽车出行特征数据提取 |
| 4.1.3 公共交通出行特征数据提取 |
| 4.2 聚类分析 |
| 4.2.1 聚类目的 |
| 4.2.2 小汽车出行需求特征模式聚类方法 |
| 4.2.3 小汽车出行需求特征模式结果分析 |
| 4.3 小结 |
| 5 评价模型构建和分析方法 |
| 5.1 基本思路 |
| 5.2 数据驱动的需求双层分解递归路网运行评价模型 |
| 5.2.1 出行需求要素分解 |
| 5.2.2 路网运行受出行需求变化影响的双层分解递归模型 |
| 5.2.3 TDM对路网运行影响的评价模型 |
| 5.2.4 参数标定 |
| 5.2.5 模型验证 |
| 5.3 数据驱动与模型驱动相融合的基于计算图的路网运行评价模型 |
| 5.3.1 体系框架 |
| 5.3.2 计算图和边际效益分析方法 |
| 5.3.3 基于计算图学习网络的模型变量设计 |
| 5.3.4 计算图的系统方程 |
| 5.3.5 面向TDM的基于计算图的边际效益评价算法 |
| 5.4 基于数据相关性的典型评价方法 |
| 5.4.1 路网运行状态与最大容量估计方法 |
| 5.4.2 基于数据相关性的最优小汽车出行比例分析方法 |
| 5.5 小结 |
| 6 实证分析 |
| 6.1 不同TDM影响下的路网运行评价实证分析 |
| 6.1.1 总量调控实施效果实证分析 |
| 6.1.2 错时上下班调控效果分析 |
| 6.1.3 典型区域职住平衡调控评价案例 |
| 6.2 北京市中心城区路网容量估计实证分析 |
| 6.2.1 基础数据 |
| 6.2.2 中心城路网容量估计 |
| 6.3 北京市最优小汽车出行比例实证分析 |
| 6.3.1 基础数据和主要参数 |
| 6.3.2 不同出行结构变化下的交通运行趋势变化预测 |
| 6.3.3 现状关系条件下的最优小汽车出行比例 |
| 6.4 小结 |
| 7 结论与展望 |
| 7.1 结论与创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 索引 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于后悔理论的择路行为与交通网络均衡研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 决策理论概述 |
| 1.2.2 个体出行行为研究 |
| 1.2.3 城市交通系统均衡研究 |
| 1.2.4 应用后悔理论的交通问题研究 |
| 1.2.5 文献分析与总结 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新点 |
| 第2章 后悔概念及相关理论 |
| 2.1 后悔概念 |
| 2.2 后悔理论与后悔度量模型 |
| 2.2.1 后悔理论 |
| 2.2.2 后悔度量模型 |
| 2.3 后悔影响因素与调节策略 |
| 2.3.1 后悔的影响因素 |
| 2.3.2 后悔的调节策略 |
| 2.4 本章小结 |
| 第3章 后悔心理影响下的出行行为分析 |
| 3.1 有限理性出行行为分析 |
| 3.1.1 出行行为过程分析 |
| 3.1.2 出行行为过程中的有限理性现象 |
| 3.2 现有RRM模型的适用性与不足 |
| 3.2.1 现有RRM模型的适用性 |
| 3.2.2 现有RRM模型的不足 |
| 3.3 基于问卷调查的后悔影响因素分析 |
| 3.3.1 假述提出 |
| 3.3.2 问卷设计 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 考虑心理距离的随机后悔最小化模型 |
| 4.1 方案熟悉程度对后悔度量的影响 |
| 4.2 考虑心理距离的后悔度量 |
| 4.2.1 心理距离概念 |
| 4.2.2 决策前后状态继续的后悔度量 |
| 4.2.3 决策前后状态改变的后悔度量 |
| 4.3 模型与算例 |
| 4.3.1 模型构建 |
| 4.3.2 算例 |
| 4.4 参数估计与预测精度评价 |
| 4.4.1 模型参数估计 |
| 4.4.2 模型预测精度评价 |
| 4.5 本章小结 |
| 第5章 基于后悔理论的多用户随机用户均衡模型 |
| 5.1 考虑多用户的随机网络均衡配流问题 |
| 5.2 基本假设与符号定义 |
| 5.2.1 网络描述与假设 |
| 5.2.2 有效出行时间定义 |
| 5.2.3 基于有效出行时间的后悔函数 |
| 5.3 模型构建与求解算法 |
| 5.3.1 随机用户均衡条件与等价的变分不等式 |
| 5.3.2 求解算法 |
| 5.4 数值算例 |
| 5.5 本章小结 |
| 第6章 基于后悔理论的多目标随机用户均衡模型 |
| 6.1 考虑多目标的均衡配流问题 |
| 6.2 处理多目标的路径选择模型 |
| 6.2.1 网络描述与符号说明 |
| 6.2.2 补偿性单目标的路径选择模型 |
| 6.2.3 非补偿性多目标的路径选择模型 |
| 6.3 模型构建与求解算法 |
| 6.3.1 非补偿性多目标RRM-SUE模型 |
| 6.3.2 非补偿性多目标RUM-RRM混合SUE模型 |
| 6.3.3 等价的变分不等式 |
| 6.3.4 求解算法 |
| 6.4 数值算例 |
| 6.4.1 简单网络 |
| 6.4.2 Braess网络 |
| 6.4.3 Sioux Falls网络 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 附录1 |
| 攻读博士学位期间完成的论文 |
| 攻读博士学位期间参与的课题 |
| 致谢 |
（6）基于弹复性的公路网络灾后恢复决策优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与思路 |
| 1.2.1 研究内容 |
| 1.2.2 研究思路 |
| 1.2.3 论文结构 |
| 2 国内外相关工作研究进展 |
| 2.1 弹复性及相关研究 |
| 2.1.1 弹复性的概念 |
| 2.1.2 交通领域中的弹复性度量 |
| 2.1.3 交通领域中的弹复性优化 |
| 2.1.4 相关研究 |
| 2.2 网络恢复决策优化问题研究 |
| 2.2.1 选择问题 |
| 2.2.2 排程问题 |
| 2.2.3 选择与排程集成问题 |
| 2.3 交通优化问题中的双层规划 |
| 2.4 交通优化问题中的用户选择行为分析 |
| 2.4.1 交通流分配问题及用户均衡的概念 |
| 2.4.2 用户均衡配流问题 |
| 2.4.3 均衡出行分布和交通配流组合问题 |
| 2.5 国内外相关研究小结 |
| 3 基于弹复性的公路网络灾后恢复决策优化问题分析 |
| 3.1 公路网络灾后恢复决策优化问题界定 |
| 3.1.1 研究对象 |
| 3.1.2 灾后恢复阶段划分 |
| 3.1.3 问题界定 |
| 3.2 决策难点分析 |
| 3.2.1 度量恢复效果 |
| 3.2.2 网络恢复选择与排程集成决策 |
| 3.2.3 刻画各恢复阶段特点 |
| 3.3 公路网络灾后恢复决策优化问题的解决过程分析 |
| 3.4 本章小结 |
| 4 基于弹复性的网络恢复选择与排程集成问题优化方法 |
| 4.1 问题分析 |
| 4.2 符号说明和模型假设 |
| 4.2.1 符号说明 |
| 4.2.2 模型假设 |
| 4.3 弹复性度量 |
| 4.3.1 恢复速度弹复性 |
| 4.3.2 累计损失弹复性 |
| 4.4 基于弹复性的网络恢复选择与排程集成决策优化模型 |
| 4.5 模型分析 |
| 4.5.1 模型中的选择问题 |
| 4.5.2 模型中的排程问题 |
| 4.5.3 模型的拓展性 |
| 4.6 求解算法 |
| 4.6.1 算法总流程 |
| 4.6.2 算法关键步骤说明 |
| 4.7 算例分析 |
| 4.7.1 实验设计及参数设置 |
| 4.7.2 实验结果 |
| 4.7.3 模型算法有效性分析 |
| 4.8 本章小结 |
| 5 基于弹复性的公路网络应急恢复阶段决策优化方法 |
| 5.1 问题分析 |
| 5.2 符号说明和模型假设 |
| 5.2.1 符号说明 |
| 5.2.2 模型假设 |
| 5.3 公路网络连通性度量 |
| 5.4 基于弹复性的公路网络应急恢复阶段决策优化模型 |
| 5.4.1 模型总体架构 |
| 5.4.2 确定性模型 |
| 5.4.3 随机模型 |
| 5.5 求解算法 |
| 5.5.1 上层模型求解算法 |
| 5.5.2 下层模型求解算法 |
| 5.5.3 总模型求解算法 |
| 5.6 案例分析 |
| 5.6.1 实验设计及参数设置 |
| 5.6.2 实验结果 |
| 5.6.3 模型算法有效性分析 |
| 5.6.4 管理启示 |
| 5.7 本章小结 |
| 6 基于弹复性的公路网络全面恢复阶段决策优化方法 |
| 6.1 问题分析 |
| 6.2 符号说明和模型假设 |
| 6.2.1 符号说明 |
| 6.2.2 模型假设 |
| 6.3 公路网络路网容量度量 |
| 6.4 基于弹复性的公路网络全面恢复阶段决策优化模型 |
| 6.4.1 模型总体架构 |
| 6.4.2 三层优化模型 |
| 6.5 求解算法 |
| 6.5.1 上层模型求解算法 |
| 6.5.2 中层模型求解算法 |
| 6.5.3 下层模型求解算法 |
| 6.5.4 总模型求解算法 |
| 6.6 案例分析 |
| 6.6.1 实验设计及参数设置 |
| 6.6.2 实验结果 |
| 6.6.3 模型算法有效性分析 |
| 6.6.4 选择与排程集成优化必要性分析 |
| 6.6.5 管理启示 |
| 6.7 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A 算法实现与程序设计 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（7）地震灾害应急物资多周期分配优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 应急物资调度研究现状 |
| 1.3.2 应急物资分配研究现状 |
| 1.3.3 应急物资分配有效性及提升路径研究现状 |
| 1.3.4 研究现状评述 |
| 1.4 研究思路与主要研究内容 |
| 1.4.1 研究思路 |
| 1.4.2 主要研究内容 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 地震灾害应急物资多周期分配优化理论分析 |
| 2.1 地震灾害应急物资多周期分配优化的相关概念 |
| 2.1.1 地震灾害 |
| 2.1.2 应急物资 |
| 2.1.3 应急物资需求 |
| 2.1.4 应急物资分配 |
| 2.2 地震灾害应急物资多周期分配优化相关理论基础 |
| 2.2.1 应急资源管理理论 |
| 2.2.2 应急阶段划分理论 |
| 2.2.3 应急物资分配理论 |
| 2.3 地震灾害应急物资多周期分配优化过程分析 |
| 2.3.1 灾情信息收集 |
| 2.3.2 救援物资统筹 |
| 2.3.3 分配方案制定 |
| 2.3.4 分配方案实施 |
| 2.3.5 决策效果评估 |
| 2.4 地震灾害应急物资多周期分配优化的理论研究框架 |
| 2.5 本章小结 |
| 第3章 基于确定性供需信息的应急物资多周期分配优化模型 |
| 3.1 基于救援—受灾二级节点网络的应急物资多周期分配优化模型 |
| 3.1.1 问题描述与前提假设 |
| 3.1.2 参数和变量设定 |
| 3.1.3 模型构建 |
| 3.1.4 求解算法设计 |
| 3.1.5 案例分析 |
| 3.2 基于集散—配送—受灾三级节点网络的应急物资多周期分配优化模型 |
| 3.2.1 问题描述与前提假设 |
| 3.2.2 参数和变量设定 |
| 3.2.3 模型构建 |
| 3.2.4 求解算法设计 |
| 3.2.5 案例分析 |
| 3.3 本章小结 |
| 第4章 基于不确定灾情信息的应急物资多周期分配优化模型 |
| 4.1 基于模糊供需信息的应急物资多周期分配优化模型 |
| 4.1.1 问题描述与前提假设 |
| 4.1.2 参数与变量设定 |
| 4.1.3 模型构建 |
| 4.1.4 区间数与三角模糊数确定性转化 |
| 4.1.5 求解算法设计 |
| 4.1.6 实际案例验证 |
| 4.2 基于随机模糊信息与路网修复的应急物资多周期分配优化模型 |
| 4.2.1 问题描述与前提假设 |
| 4.2.2 参数与变量设定 |
| 4.2.3 应急物资多周期分配风险度量方法 |
| 4.2.4 模型构建 |
| 4.2.5 随机约束规划与模糊约束规划确定性转化 |
| 4.2.6 求解算法及步骤设计 |
| 4.2.7 实际案例验证 |
| 4.3 本章小结 |
| 第5章 应急物资多周期分配优化模型的有效性分析及提升路径探究 |
| 5.1 应急物资多周期分配优化模型的有效性分析 |
| 5.1.1 多周期分配模型与单周期分配模型比较 |
| 5.1.2 模型提高应急物资多周期分配效率的有效性 |
| 5.1.3 模型实现应急物资多周期分配公平的有效性 |
| 5.2 应急物资多周期分配优化模型的提升路径探究 |
| 5.2.1 跨区域协同救援应急物资分配的必要性 |
| 5.2.2 区域自救与跨区域协同救援的多周期物资分配优化模型提升路径 |
| 5.2.3 案例验证 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）出行预约模式在节假日高速公路场景的应用方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 道路出行预约的概念与效益研究 |
| 1.2.2 道路出行预约的方案与方法研究 |
| 1.2.3 研究现状总结 |
| 1.3 研究内容 |
| 1.4 论文章节安排与技术路线 |
| 1.5 本章小结 |
| 第二章 节假日出行现状与出行预约模式可行性分析 |
| 2.1 节假日高速公路出行需求特征分析 |
| 2.1.1 日交通量变化特征 |
| 2.1.2 全天小时交通量变化特征 |
| 2.1.3 交通组成特征 |
| 2.2 高速公路出行延误原因分析 |
| 2.3 出行预约模式的作用及效益分析 |
| 2.4 出行预约模式的可行性分析 |
| 2.5 本章小结 |
| 第三章 节假日高速公路场景下的出行预约模式设计 |
| 3.1 出行预约模式的设计目的 |
| 3.2 出行预约模式设计的考虑因素 |
| 3.3 出行预约机制设计 |
| 3.4 出行预约系统与功能设计 |
| 3.4.1 出行预约平台 |
| 3.4.2 用户移动端 |
| 3.4.3 路侧基础设施 |
| 3.5 出行预约流程设计 |
| 3.5.1 预约平台运作流程 |
| 3.5.2 用户预约操作流程 |
| 3.6 算例分析 |
| 3.7 本章小结 |
| 第四章 出行预约模式下的出行名额容量规划方法研究 |
| 4.1 相关理论概述 |
| 4.2 出行名额容量规划模型建立 |
| 4.2.1 模型假设 |
| 4.2.2 出行预约需求量预处理 |
| 4.2.3 上层模型建立 |
| 4.2.4 下层模型建立 |
| 4.3 模型求解算法设计 |
| 4.4 本章小结 |
| 第五章 仿真实验与数据分析 |
| 5.1 算例介绍 |
| 5.2 算例计算结果分析 |
| 5.3 仿真实验设计 |
| 5.4 仿真实验结果分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 1.全文总结 |
| 2.研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）无人驾驶车辆对路网储备容量的影响分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 混合路径选择行为综述 |
| 1.2.2 路网容量研究综述 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 第二章 路网容量研究方法简介 |
| 2.1 路网容量定义 |
| 2.2 现有研究方法介绍 |
| 2.2.1 时空消耗法 |
| 2.2.2 数学规划法 |
| 2.2.3 割集法 |
| 2.2.4 交通分配模拟法 |
| 2.2.5 狭义路网容量模型 |
| 2.2.6 供应分析法 |
| 2.3 现有研究方法评述 |
| 第三章 用户均衡与系统最优混合均衡下的均一需求增长乘子容量模型 |
| 3.1 变量说明 |
| 3.2 车辆路径选择假设 |
| 3.3 用户均衡与系统最优混合均衡 |
| 3.3.1 混合均衡模型 |
| 3.3.2 混合均衡条件证明 |
| 3.4 均一需求增长乘子道路网络容量模型 |
| 3.4.1 双层规划模型 |
| 3.4.2 模型求解 |
| 3.4.3 算例分析 |
| 3.5 本章小结 |
| 第四章 用户均衡与系统最优混合均衡下的非均一需求增长乘子容量模型 |
| 4.1 双层规划模型 |
| 4.2 模型求解 |
| 4.3 算例分析 |
| 4.3.1 小型网络测试 |
| 4.3.2 大型网络测试 |
| 4.4 本章小结 |
| 第五章 随机用户均衡与系统最优混合均衡下的路网容量模型 |
| 5.1 变量说明 |
| 5.2 车辆路径选择假设 |
| 5.3 随机用户均衡与系统最优混合均衡 |
| 5.3.1 混合均衡模型 |
| 5.3.2 混合均衡条件证明 |
| 5.4 均一需求增长乘子道路网络容量模型 |
| 5.4.1 双层规划模型 |
| 5.4.2 模型求解 |
| 5.4.3 算例分析 |
| 5.5 非均一需求增长乘子道路网络容量模型 |
| 5.5.1 双层规划模型 |
| 5.5.2 模型求解 |
| 5.5.3 算例分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 研究总结 |
| 研究创新 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附录A (硕士学位期间完成论文及科研情况) |
| 攻读硕士学位期间发表的论文 |
| 攻读硕士学位期间参与的项目 |
（10）城市道路交通系统演化下路网容量及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究综述 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 研究述评 |
| 1.4 研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 主要研究方法 |
| 1.4.3 技术路线 |
| 第二章 基础理论与方法 |
| 2.1 自组织理论 |
| 2.1.1 自组织概念 |
| 2.1.2 自组织理论内涵 |
| 2.1.3 自组织与他组织 |
| 2.2 路网容量理论方法 |
| 2.2.1 路网容量概述 |
| 2.2.2 路网容量算法理论 |
| 2.2.3 路网容量计算方法 |
| 2.3 其他相关理论与方法 |
| 2.3.1 供需平衡理论 |
| 2.3.2 役使原理 |
| 2.4 本章小结 |
| 第三章 城市道路交通系统演化研究 |
| 3.1 城市道路交通系统自组织演化机制 |
| 3.1.1 系统自组织演化条件 |
| 3.1.2 系统自组织演化机制 |
| 3.1.3 系统自组织与他组织的复合演化机制 |
| 3.2 城市道路交通系统演化模型 |
| 3.2.1 系统自组织演化模型 |
| 3.2.2 系统供需协同演化模型 |
| 3.3 城市道路交通系统演化模式 |
| 3.3.1 系统供给设施合理性分析 |
| 3.3.2 系统发展需求分析 |
| 3.3.3 系统演化发展模式 |
| 3.4 本章小结 |
| 第四章 城市路网容量建模 |
| 4.1 算法比较与选择 |
| 4.2 路网容量的影响因素分析 |
| 4.2.1 路网道路条件 |
| 4.2.2 路网的交通流条件 |
| 4.2.3 路网供需匹配性 |
| 4.2.4 交通个体的随机路径选择行为 |
| 4.2.5 其他外在因素 |
| 4.3 路网容量模型 |
| 4.3.1 确定模型参数 |
| 4.3.2 模型方程 |
| 4.3.3 求解算法 |
| 4.4 本章小结 |
| 第五章 实证研究 |
| 5.1 案例概况 |
| 5.1.1 长沙市路网发展概述 |
| 5.1.2 长沙市城市路网发展现状 |
| 5.2 长沙市城市道路交通系统演化 |
| 5.2.1 城市道路交通系统自组织演化 |
| 5.2.2 城市道路交通系统供需协同演化仿真 |
| 5.3 长沙市城市道路交通系统发展供需分析 |
| 5.3.1 系统供给设施分析 |
| 5.3.2 系统发展需求分析 |
| 5.4 路网容量案例 |
| 5.4.1 模型数据 |
| 5.4.2 模型计算 |
| 5.5 实证结果分析 |
| 5.6 措施与建议 |
| 5.7 本章小结 |
| 结论与展望 |
| 主要结论 |
| 主要创新点 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士期间发表论文目录 |
| 附录B 攻读硕士期间参与项目 |
| 附录C |
| 附录D |
四、随机效用理论在路网容量研究中的应用（论文参考文献）
- [1]基于出行行为影响机理的区域化可交易通行权优化理论与方法研究[D]. 李维佳. 长安大学, 2021
- [2]基于累积前景理论的多维出行联合决策方法研究[D]. 张吉鑫. 重庆交通大学, 2020(01)
- [3]基于汽车保有量和路网容量的城市停车供给预测模型研究[D]. 向怡帆. 重庆交通大学, 2020(01)
- [4]面向交通需求管理的数据驱动型路网运行评价模型与方法[D]. 孙建平. 北京交通大学, 2020(03)
- [5]基于后悔理论的择路行为与交通网络均衡研究[D]. 徐媛. 南京大学, 2019(01)
- [6]基于弹复性的公路网络灾后恢复决策优化研究[D]. 李兆隆. 大连理工大学, 2019(08)
- [7]地震灾害应急物资多周期分配优化模型研究[D]. 王妍妍. 哈尔滨工业大学, 2019(01)
- [8]出行预约模式在节假日高速公路场景的应用方法研究[D]. 罗杰超. 华南理工大学, 2019(01)
- [9]无人驾驶车辆对路网储备容量的影响分析[D]. 覃定明. 长沙理工大学, 2019(06)
- [10]城市道路交通系统演化下路网容量及其应用研究[D]. 高雅婷. 长沙理工大学, 2019(07)