交通线网运输组织.ppt

第七章 交通线网运输组织,第一节 交通运输流概述第二节 交通运输流微观分析技术 第三节 交通运输流组织原理第四节 弱可控的交通运输流组织 第五节 强可控的交通运输流组织,第一节 交通运输流概述,一、交通运输流概念 在公路、铁路、航空及水运各种交通方式中连续运行的交通工具，往往表现出某些类似流体的特征，称为交通运输流。交通运输流理论在早期的框架中，借鉴了流体理论的某些思路，主要是试图描述不同交通工具、运营控制环境（如交通运输系统、控制设备、标志、信号等）及管理者的量化联系。,第一节 交通运输流概述,由于不同交通方式自身的差异，道路中大量行驶的车辆相对于铁路列车、航空飞机以及水运船舶而言，通常并不以独立交通工具作为系统的研究对象，更多表现出一种统计的特性，在行为表现中，具有较强连续性特征。,第一节 交通运输流概述,相对而言，强调个体的铁路列车、航空飞机以及水运船舶的离散性特征比较明显，但是应该注意交通运输流的连续与离散性特征实质仅仅是一个相对的概念，为简单区别起见，本章提到的交通流主要指连续化特征比较明显的道路车辆交通流，用运输流特指具有离散化特征的铁路、飞机和轮船流。,交通运输流的要素,交通运输流的要素一般包括流量、流向、流程、流时、流距等，当然对于不同的交通方式，交通运输流要素也具有其独特的内涵，如道路交通流的特性参数包括：流率、速度和集中度，且均为统计分布值，这些特征参数一般也可以借鉴到其它交通方式，下面以道路系统为例对此做一说明：,交通运输流的要素,1、流率（单位时间通过的车辆数）流率可以由点测量直接获得，其计算公式为：流率q=N/T（7-1-1）其中：N为测定时间T内通过的车辆数。T可以表示为车辆追踪间隔时间之和，有将T带入上述公式，可以获得流率与平均追踪间隔的关系：,交通运输流的要素,流率一般可表示为每小时通过的车辆数，1985年美国高速能力手册（HCM1985）建议使用15分钟测定时间，有时5分钟或者1分钟的数据也被采用。,交通运输流的要素,2、速度（单位时间走行距离）：每一车辆的瞬时速度可表示为：（7-1-2）雷达或微波测速装置可以提供车辆瞬时速度的测量结果，但是象诸如感应线圈提供的是车辆通过短的检测距离如6m的时间，由此获得的速度仅仅是瞬时速度的一种近似。,交通运输流的要素,除了瞬时速度，还有不少办法可以确定车辆的平均速度，比如算术平均值法。（7-1-3）（7-1-4）其中，是车辆通过距离D的时间。,交通运输流的要素,3、集中度（Concentration）集中度过去一般被视为密度的同义词，密度是指单位距离的车辆数，但现在它包含的意义除了密度外，还有占用的意思，占用是现代交通流理论新出现的理念，一般指道路上某个地点有车辆占用时间占全部时间的百分比例。密度是空间集中度的量度，而占用是相同车辆流在时间集中度的测量。,交通运输流的要素,密度计算公式（7-1-5）值得指出的是，交通流测量方法对改进上述交通要素模型精度有很大的影响，交通流测量方法包括点测量、短距离测量（一般不超过10米）、全路段测量（至少0.5公里）、在交通流中移动观察测量、利用ITS技术同时获取大量车辆数样本测量等。,二、交通运输流要素间的关系,要理解交通流各种参数间的相互关系，首先需要注意用于获取数据的测量方法和获得测量数据的位置对交通流各要素的可能影响，对交通流各要素间的关系讨论是基于此前提的结果。下面以道路交通流为例，对交通运输流要素间的关系做一说明。,交通运输流要素间的关系,1 速度流量图 速度流量关系是双变量的关系，这一领域开创性的工作属于Greenshields1935年的一篇论文，文中他在线性速度密度关系和方程：流量=速度密度的基础上，推导出下面的抛物线方程：（7-1-6）,交通运输流要素间的关系,式中 是自由流速，是拥挤密度。图711绘制了该方程所基于的曲线和数据。图中接近数据点的数字代表1934年劳动节那天，在双向双车道道路上一个方向，所观测的100辆车为一车组的车组的数目。在计算道路上的车辆数时，每隔10辆车开始新的一组（每组100辆），因此相邻两组之间有90%的重叠。车组都不是独立进行观察的。,交通运输流要素间的关系,同样重要的是，在200车/小时的流量范围内数据被分组，各组的平均值都是事先制定好的。代表所观测的100个车组中的51组（有重叠）的那个拥挤的点，是在具有不同的横截面和铺筑材料的完全不同的道路上，在不同的一天收集的。,交通运输流要素间的关系,Greenshields的工作对于交通流理论发展曾起到积极的作用，在过去几十年中他所推导的抛物线图形被接受作为速度流量曲线的正确形状。例如，1965年高速公路容量手册里原样出现了图711所示的图形，尽管同年的高速公路容量手册中其他地方显示的数据表明同一时期经验结果并没有与图形相符合。1985年的高速公路容量手册保留了同样的抛物线图形，虽然进行了相当大程度的放大。,交通运输流要素间的关系,Greenshields的模型统治了这一领域50多年。现在看来其模型至少存在三个问题，最基本的问题是Greenshields没有对高速公路数据进行研究。然而他的单车道交通结论却直接被高速公路的情况所采用。（这并非他本人所为。）第二个问题是按照现在的研究标准，他进行数据分析的方法，即采用重叠的车组和预先确定适合曲线的平均值的方法是不能被接受的。第三个问题是尽管大多数人使用的模型都是建立在假日交通的基础上的，但现在的工作集中在常规的对道路熟悉的通勤人员上，以便更好的确定道路的能力。,交通运输流要素间的关系,美国运输研究部高速公路和服务质量委员会批准通过的高速公路容量手册第三章的修订版（HCM1994）给出了图712所示的速度流量曲线，图中曲线当流量增加时，速度仍然保持平直，达到容量值的1/2到2/3之间的某一点时，速度在这些点上稍微有一些减小。图712的曲线没有提出任何理论方程，而是阐述了普遍性的经验结果，很多的新数据研究结果引证了其具有合理性。,交通运输流要素间的关系,大量的有关速度和流量的关系（也有其他一些关系）的新近的研究工作由Hall、Hurdle和Bank在论文中进行了总结（1992）。不过现代研究中人们已经意识到，可以从速度和流量来计算密度，找一条适合速度密度数据的线条，接着把这一线条转换成速度流量函数，这给出了一个与直接估算速度流量函数相关的基本结论的思路。,交通运输流要素间的关系,2 速度密度模型 Greenshieldsde在1935年给出了如下速度密度关系的数学模型（7-1-7）该模型可被描述如下：所测得的数据是速度和流量；密度使用方程715计算得到。这一特殊模型最有趣的一方面是，它的经验基础包括接近自由流速的一组值的6个点，以及拥堵状况下单独的一个观测点（图713）。,交通运输流要素间的关系,线性关系来自连接这一组点和单独的一个点。如Greenshields所述，“尽管图线是一条直线，它仅仅在精确决定直线方向上的两个点时是必要的。”令人惊奇的不是1935年所使用的如此简单的分析模型，而是它的结论（线性速度密度模型）能够广泛的被接受持续如此之久。,交通运输流要素间的关系,然而还是有研究声称证实了该模型，例如在图7-1-4a（Huber 1957）中，他们在数据的全部范围内选取了同样稀疏的部分，通常忽略了最低的流量和接近容量范围的流量。也有其他的一些研究找到了相反的证据，最重要的是Drake等人1976年的研究，后面将详细的对此进行讨论。,交通运输流要素间的关系,Greenberg（1959）提出另外一种表现为对数关系的模型：（7-1-8）他的研究证明该模型适合两类数据组，直观上看起来两类都非常合理。然而，第一类数据组来自单个车辆的速度和车间距数据，这“接着被分成速度等级，对每级速度计算其平均车间距”。换句话说，出现在一个数据点（速度等级）的车辆甚至可能就没有一起行驶！,交通运输流要素间的关系,密度通常被计算为平均车间距的倒数，当平均值是由可能没有一起行驶的车辆得出的时候，密度代表什么意义就不清楚了。同样因此事实上这是一个单车道的数据，而不是高速公路数据。Greenberg使用的第二类数据组是Huber的。这是出现在714a中同样的数据；Greenberg的图显现在图714b中，看起来曲线和数据很吻合。,交通运输流要素间的关系,这两个速度密度曲线，加上其它的5条，Drake等人在1976年的一个重要的经验性试验中对其进行了研究。实验使用芝加哥市艾森豪威尔高速路上的中间车道，瓶颈上游800米（1.5英里）处的数据，该处的容量仅比研究地点的容量有少许的减少。特别选取这一地点是为了获得尽可能多的运行范围内的数据。,交通运输流要素间的关系,原始收集了1224组1分钟的观察值。观测数据包含了容量，即时速度和占有率。密度由容量和即时速度计算所得。为了产生与密度轴线分布一致的数据组，从1224个数据点中选出一个样本，和基于密度的速度回归分析所假定的一样。进行这项研究的目的在于统计比较7种速度密度假定，从而选择最好的一种。,交通运输流要素间的关系,除了Greenshields的线性模型和Greenberg的指数曲线，其他5项研究是两段分段和三段分段线性模型，Underwood（1961）转置指数曲线，Edie（1961）的不连续指数形式（结合了Greenberg和Underwood的曲线），以及一个钟形曲线。在比较中尽管意图“使用一个严格的虚拟试验结构”，以谨慎的方式进行研究工作，但统计分析只得出非决定性结论：“几乎所有的结论都仅基于直觉，因为统计试验毕竟几乎没有提供决定力”（Drake）。,交通运输流要素间的关系,宣称仅仅是直觉作为基础，毫无疑问是有一点夸张的。在区分7种假设和它们的结论速度流量和流量密度图线时，这些图线起到了相当大的帮助作用。图7-1-5提供了所使用的图线的三类以作为一个例子，在这些情况下都基于Edie的模型。他们关于这一模型的评论为：“Edie的公式对基础数据给出了最好的估算。,交通运输流要素间的关系,同时它的R2是倒数第二低的，它的标准误差是所有假定中最低的。”关于图7-1-5有趣的一点是，Edie的模型是7个模型中唯一一个在流量密度和速度密度图线上可以复制接近容量时情况的。其他模型往往是低估了最大流量，通常留有相当大的空白。,交通运输流要素间的关系,从Drake等人的研究中可得出的一个全面的结论是：他们所测验的7个模型中没有一个可以做到显著的数据吻合和给出好的解释。应该指出试验者并没有这样呈述他们的结论，而是分别处理各个模型。,交通运输流要素间的关系,3 流量密度模型 早期的高速公路容量研究服从两个基本的途径。一些研究人员在低密度下检验了速度流量关系；另一些则在高密度下讨论车间距现象。Lighthill和Whitham 在1955年提出可使用流量密度曲线作为统一这两种途径的方法。因为这一统一的特性以及流量密度曲线在交通控制情况下（例如计量一条高速公路）较大的有用价值，Haight（1960；1963）定义流量密度曲线为“交通基本图线”。,交通运输流要素间的关系,然而大多数的流量密度曲线来源于速度密度曲线形态的假定。这一节将主要讨论直接集中在流量密度关系上的工作，包括使用密度值（density）和占有率来测量密（concentration）。,交通运输流要素间的关系,Edie可能是第一个指出通常的经验流量密度数据在最大流量附近具有不联系性，因此这个不连续的曲线对于流量和密度关系可能是所必需的人。这一建议引起了May等人一系列的研究，对这些“双体”模型的特性和参数进行更为严密详实的说明，同时把这些参数连接到小汽车模型的参数上。但他们推导模型的困难是在达到容量时模型总是不能很好的适合数据。此外，从一个地点到另一个地点参数缺乏一致性。当在同一地点多日校正时就更麻烦了，不同的日子需要不同的参数。,交通运输流要素间的关系,Koshi等人于1983年给出了一个基于经验的流量密度关系探讨，其中他们指出希腊字母11的反向形状是对数据最好的描述：“两个区域的流量不但形成了一个单向的下凹曲线，而且形状象希腊文字11的镜像。”作者也研究了这一现象对小汽车跟随模型和波传播的意义。,交通运输流要素间的关系,在早期Athol的努力之后，似乎一直缺乏利用可获得的占有率数据的研究，直到20世纪80年代中期。Hall等人采用了Athol曾经使用过的同样的途径，即表示为一条按时间绘制的图线。图7-1-6显示了同一地点，主要瓶颈上游4公里处不同的4天的结果。仅仅有最左边车道（高速或超车车道）5分钟间隔的数据。,交通运输流要素间的关系,在时间相关的轨迹上的第一点是早上数据记录系统开启后5分钟之内记录下来的。图中D部分可以清楚地看到早于数据记录之前运行已经拥挤了。C可能是最引起人兴趣的：在流量明显低于最大值的时候，运行进入了较高占有率（拥挤）。虽然A和B可以证实在拥挤之前，运行超过了容量这一固有的假定，但C可以给出一个清楚迹象，即这种情况不是经常发生的。,交通运输流要素间的关系,更重要的是，图7-1-6四个部分显示当从拥挤状态回到非拥挤状态时，运行并没有经过容量这一值。运行可以从曲线的一个分支“跳”到另一个分支，而不是沿着曲线。在速度流量数据中可以发现同样的结论（Gunter和Hall 1986），这并不值得惊讶。,交通运输流要素间的关系,图7-1-6四部分的每一个都表明在回到非拥挤状态时，曲线的两分支之间至少有一个数据点。因为这些数据都是5分钟间隔的数据，所以作者认识到这些点可能是两个分支的数据的平均值。然而后来利用30秒间隔的研究证实了同样的数据类型的存在（Persaud和Hall 1989）。因此有很强的证据表明，高速公路上的交通运行可以从曲线的一个分支移动到另一分支，而根本不通过容量点附近。,交通运输流要素间的关系,这是前面所讨论的任何一个数学模型都没有解释或料想的。虽然如此，这一现象从Lighthill和whitham（1995）关于交通冲击波的讨论之后，至少是被人们不确定的认识到了。交通冲击波的讨论假定了速度流量曲线和流量占有率曲线从一个分支到另一个分支的瞬间跳跃。另外，队列模型（Newell 1982）也暗示，从对列尾部突然的回跳必发生在速度流量曲线上速度快速的从非拥挤分支向拥挤分支改变的点上。如果流量密度（速度流量）模型明确的考虑这种可能性，那可能会是有益的。,交通运输流要素间的关系,Hall等人工作（1986）的一个结论是，倒转的“V”形是流量密度关系看似可信的表示，图7-1-6由此结论画出。虽然这一结论基于多伦多附近有限的数据，但Hall和Gunter（1986）用大量的地点的数据证实了这一结论。Bank（1989）用圣地亚哥地区的数据测试了他们的结论，证实了倒转的“V”形的结论。同时他对这一结论提出了一个数学表达式，并对它进行了行为学的解释。,交通运输流要素间的关系,倒转的“V”字模型意味着如果汽车的速度少于一些临界值时，司机在他们前面车辆的后保险杠和他们本身的前保险杠之间保持着大概恒定的平均时间间隔。一旦他们的速度达到了这一临界值（即他们想要的快速），他们对于车间距就不再敏感了,交通运输流要素间的关系,4 三维模型 三维模型尝试同时处理全部的三个交通流变量，Gerlough和Huber提出了一幅图（图7-1-7）来表示所有的三个变量，但是经验的观测很少能和q=uk的关系精确的吻合，特别是当观测是在拥挤的情况下进行的，因此集中在二维的关系上，通常不能明确的对三维的关系做出有效的解释。,交通运输流要素间的关系,Gilchrist和Hall得出的一个结论是“传统的理论来解释这些数据是不充分的”，同时这些数据和一个可替换的基于突变理论的模型更为吻合。Makagami等人（1971）提出了三维建模的不同方法，在那个模型中，三维是时间、距离和累计车辆数，代表累计计数的表面的导数是速度、流量和密度。这个三维模型已经被Newell（1993）应用到交通运动波的工作中。,交通运输流要素间的关系,目前一种对三个交通运行参数直接建模的方法是基于突变理论的数学方法，该理论名字来源于当大多数模型化的变量都以一种连续的方式变化时，至少有一种变量可以发生不连续的突然变化。第一个尝试把这些模型应用到交通数据中的人是Dendrinos，他提出二维的突变模型可以表示速度流量曲线。Navin（1986）提出了更富有成效的模型，他指出三维的“会切点”突变模型适合三交通变量。,交通运输流要素间的关系,在交通流领域中使用的会切点突变面的特征是，当两个变量（可控变量）表现为平滑的变化时，第三个变量（状态变量）的值能够突然的“突变”跳跃。Navin指出当流量和密度都是可控变量时，速度是表现这一突变的变量。然而Navin的表述主要是一种直观的东西，没有数据源，Hall和其他的作者继续研究这一观点，尝试用数学和经验方法充实它。图7-1-8显示了当前这一模型的情况。,交通运输流要素间的关系,Acha-Daza和Hall（1993）把突变理论模型和前面讨论的Greenshields、Greenberg、Edie等模型就速度估算进行了比较，比较使用了所有三个变量都被测量的数据组，以便每一模型计算的速度可与实际测量的速度值相比较。突变理论模型典型的结果（产生 R2=0.92）可以同Edie模型的结果（R2=0.80）相比较，Drake等人（1967）发现这是最恰当的。,交通运输流要素间的关系,虽然Greenshields模型较Edie模型推导出更高的R2值，但两个模型都推导出非常成团的速度估算值，在6080公里/小时的范围内几乎没有预测，在对角线下方观测的6080公里/小时的范围里出现了类似的一组点。真正的模型在6080公里/小时的范围也显示非常少的观测值，因此在那方面，两个模型都是有效的。,交通运输流要素间的关系,Pushkar等人（1994）扩展了这一观点，开发了一种可被用于从单线圈传感器数据中估算速度的方法。该方法涉及从至少一个速度测量地点估算参数，并把这些参数转移到其他相邻的地点。,交通运输流要素间的关系,突变理论模型从它复制速度测定的能力中得到了一些肯定。它在直观水平上也有两个新增的优点。第一，它绘图说明高速高速公路运行不必符合速度流量曲线；从一个分支向另一个分支的跳跃是可能的，当跳跃发生时，速度将会突然的变化。第二，它同时绘图说明不同的地点将产生不同的数据类型，因为在一些地点数据将徘徊在表面的不连续性处，而另一些数据将直接横跨不连续处。突变理论模型提供了一种相容的解释。,三、交通运输流理论模型简介,交通运输流包括连续化特征比较明显的道路车辆交通流和离散化特征比较明显的铁路、飞机和轮船流。最早的道路交通流研究起于20世纪30年代，以Adams等为代表将概率论引入道路交通研究中，二战后，特别是20世纪50年代后，车辆跟驰理论（car following），波动理论(traffic wave theory)及排队论(queuing theory)相继出现，使道路交通流理论逐步完善起来。,道路交通流理论,其它交通方式交通运输流理论的发展历程与道路系统类似，但比较而言，道路系统交通流理论已初步形成较为完备的体系。目前学术界一般认为，道路交通流理论包括如下基本内容：1、描述交通流变量即速度、流量和集中度（concentration）间关系的数学模型，这些模型一般涉及无干扰的交通流，比如高速或高等级公路交通流问题，重点在于测量能力与交通流理论间的联系。,道路交通流理论,2、对车辆人机系统中的人因素研究，包括：（1）观察反应时间，控制运动时间，对交通控制设备的反应、对交通控制设备、其它车辆运行、道路交通事故的反应、不同年龄类别人群驾驶行为差异等；（2）控制行为，包括加速、制动、速度控制的描述，此外，开环、闭环车辆控制系统中对车道保持、车辆跟驰、超车、保持车距、车道关闭和信号距离的行为描述，其中车辆跟驰模型建立了个体车辆的微观行为和单车道交通流量的宏观特征间对应流量稳定特性间的联系。,道路交通流理论,3、连续流模型，用流体行为来描述交通现象，车辆跟驰模型认识到交通是由独立车辆微观行为，及其相互作用形成的，而连续流模型更多关注的是车辆整体的统计行为特征，一般基于两个基本的假定：,道路交通流理论,（1）交通流是守恒的，这导致流量守恒方程，（2）速度与密度或流量与密度间是一一对应关系。简单的连续流模型包括守恒方程和状态方程（速度密度或流量密度关系）。如果利用基本的交通流方程去联合求解这些方程（流量等于密度乘以速度），我们就能获得道路任意地点、任意时刻的速度、流量和密度。而知道了这些基本交通流变量就能对交通系统比如延误、停留、旅行时间等进行有效性测量，以便更好地对交通系统进行评估。,道路交通流理论,4、宏观流模型 从宏观角度研究路网交通，考虑地变量包括交通强度traffic intensity（单位面积行驶距离），道路密度road density（城市单位面积中道路的长度或面积），和权重空间平均速度the weighted space mean speed，宏观流模型使交通流理论可以从系统控制策略的高度对道路网的进行评测，有助于对路网系统的规划与管理，网络行为模型也可以用于比较不同区域的交通条件以合理分配运输系统资源。,道路交通流理论,5、交通影响模型 包括交通安全、燃料消耗模型和空气质量模型等。6、无信号的交叉口交通流理论 由司机自己决定何时通过交叉口安全，并在冲突的交通中保持必要的安全间隔，这种驾驶员行为的模型称为“可接受间隔理论gap acceptance”，并导致车辆间距的变动，另外该类模型也涉及两种及其以上交通流的冲突条件下，运用排队论计算能力和交通运营效果的方法。,道路交通流理论,7、有信号的交叉口交通流理论 交通流的统计理论将用于评估独立的交叉口的延误和排队包括交通信号的影响问题，包括对交通信号所在区域的交通汇聚、分离和协调的讨论，其中预置和时变的信号控制理论也包含其中，进一步涉及到基于稳定状态排队论的延误模型，以及自适应信号控制和优化信号控制理论的交通流模型。,道路交通流理论,8、交通分配模型 研究交通流分布、分配的基本原理及交通流管理问题，以下将对此做进一步介绍。其它交通方式，根据自身离散性的特点，也进一步丰富发展交通运输流理论，比如铁路列车的区间、车站追踪间隔模型及理论，就是这类离散化运输流理论的重要代表。,四、交通运输流分布原理,交通运输流在由起点到终点的运输过程中，可能存在若干的可能选择路径，交通运输流分布就是依据某些原则或原理把交通流分配到运输网络的具体路线上，从而量化考察交通供给与交通需求之间的相互关系。常用的方法包括最短路交通分配法、容量限制增量加载分配法、多路径概率分配法以及容量限制多路径概率组合分配法等。,四、交通运输流分布原理,鉴于交通运输流的不同特性，交通运输流具有强可控的组织流与弱可控的自主流之分，对于组织严密的运输系统，如国家铁路、航空系统、水运系统而言，运输管理者可以根据运输时间、运输距离、运费等特征，按照系统总体出行时间最省、路线最短或费用最小的原则，决定交通运输流的路径与路线分配方法，使交通运输流的分布呈现较强的可控性和组织性；,四、交通运输流分布原理,而对于隶属关系复杂、机动性较强的运输系统，如道路系统的交通流，尽管道路设计人员和管理人员，可以按照系统总体出行时间最省、路线最短或费用最小的原则进行道路的设计与建设，但出行者选择路径具有很大的自主随机性，而道路交通量增加导致的道路拥堵等问题，由可能导致原有设计方案的最短时间、费用等发生变化，使交通运输流的分布呈现出不按设计者初衷发展，需要进行管理诱导的弱可控特征。,四、交通运输流分布原理,沃尔乔泊（Wardrop）较早注意到道路交通流分布的上述特点，并于20世纪50年代（1952年），提出了沃尔乔泊（Wardrop）两个著名原理。沃氏第一原理可以表述为：网络上的交通以这样一种方式进行分配，就是所有被使用的路线的行程时间与费用均相等，且部分没有被使用的路线行程时间或费用要小。因此，它被称为用户最优平衡原理（UserOptimized Equilibrium）。,四、交通运输流分布原理,沃氏第二原理是：车辆在网络上的分配使得网络上所有车辆的总出行时间最小。因此，被称为系统最优平衡原理（SystemOptimized Equilibrium）。交通网络平衡意味着交通网络上的交通需求和交通条件（供应）达到某种稳定状态。这种稳定状态理论上讲是合理的，沃氏二大原理的提出揭开了现代交通规划学迅猛发展的序幕，目前国际上有许多对交通问题感兴趣的数学家，系统科学和运筹学专家致力于这方面的研究，发表了大量研究论文和报告，在寻求交通规划师们所接受的实用模型方面取得了积极的进展，其具体方法、模型可参见有关文献。,交通分配模型,国内外已有的交通分配模型很多通常可以分为平衡模型和非平衡模型两大类。对于使用非优化的启发式解法或其他近似解法的分配模型被称为非平衡分配模型。非平衡分配模型易于理解且目前在实际交通规划管理中也有较多使用，下面对其做一简要介绍。,1、最短路分配法,最短路分配是一种静态的交通运输流分配方法。用该分配方法，取路权（两节点间的运行时间）为常数，亦即假定交通工具的运行速度按自由交通流时的情形取路段的设计速度。每一OD点对的OD量被全部分配在连接该OD点对的最短路径上，其余路径不分配交通量。在所有OD点对的OD量全部按上述原则分配到路网上后，可累计得出各路段，各交汇点的交通量。该法在进行交通分配时，不考虑路段通行能力的限制，或不考虑过多交通量将影响速度而有可能选择其他路径的交通重分配现象，因此称为容量非限制分配法，或称为全有全无分配法。最短路交通分配法的步骤是：,最短路分配法,（1）确定路段运行时间，对现状网络，可用实测的路段长度除实测的速度来确定；对规划路网，可用规划路段长度除该路段的设计速度来确定。（2）确定各OD点之间的最短路径。目前用于网络最短路计算的方法已有几十种，较典型和常用的方法包括：Dijkstra算法、矩阵迭代法、Floyd算法，函数迭代法、策略迭代法等。具体算法可参考有关运筹学、图论与网络流理论或系统分析文献。,最短路分配法,（3）按各交通区之间OD量全部在路权最小的路径上通过，其余为零的原则，将各OD对间的OD量分配到交通网络上。（4）累计出各路段（交汇点）的交通量。,最短路分配法,最短路分配法的优点是计算简单，概念清晰，但是，分配结果不尽合理，交通在路网上分配不均匀，与实际情形误差较大，尤其是对于道路系统，当路段和交叉口交通饱和度较大时，将行驶时间作为常数处理明显不符合实际，因为此时车辆行驶车速不可能保持自由流时的速度。但是最短路分配法是其它分配法的基础，在路网交通分配评价时有着很重要的作用。,2、容量限制分配法,容量限制分配法实质是考虑到路网能力的限制，对应道路系统而言，容量限制意味着必须考虑行驶速度与交通量之间的关系，从而确定行驶费用与交通量之间的关系。当交通量大到一定量时，车辆的行驶速度即会随交通量的增加而减少，路权则会变大。因此，先分配到路权最小的线路，当交通量分配到一定量时，该路线路权则不再是最小，此时交通量会被分配到其它路权最小的线路上。,容量限制分配法的主要步骤,容量限制分配法的主要步骤是：（1）将路网简化为网络，以“零流量”路段行程时间开始；（2）依次对每个起点分区计算通过路网的最短行程时间的通路；（3）按全有全无分配模型，将起讫点的交通模式加到路网上；（4）计算分配到各条路线上的交通量；,容量限制分配法的主要步骤,（5）在流量与行程时间的关系中，用分配给路段的交通量计算路段行程时间，重新计算新的最短时间的通路；（6）按全有全无分配法再将原来起讫点的交通模式加到由步骤（5）得出的路网的新的最短时间通路上。（7）返回到步骤（4），继续分配，直到分配的交通量和行程时间稳定为止。,容量限制分配法,采用容量限制增量加载分配模型分配出行量时，需先将OD表中的每一OD量分解成几部分，即将原OD表（nn阶，n为出行发生、吸引点个数）分解成k个OD分表（nn阶）。然后分k次用最短路分配模型分配OD量，每次分配一个OD分表，并且每分配一次，路权修正一次，路权采用路阻函数修正，直到把k个OD分表全部分配在网络上。,容量限制分配法,对于铁路、航空等其它运输系统，由于交通工具的速度基本不受交通量影响，若交通运输流具有可分性，可采用容量限制增量加载分配模型将交通运输流分配到最短、次短路、K短路上。若交通运输流不可分，可根据路段容量限制直接将交通运输流分配到最短、次短路、K短路上，均无需根据分配交通运输量重新计算路网路权及K短路径，为保证全局优化，往往采用遗传算法等方法进行分配线路的组合寻优。,3、多路径概率分配法,由交通运输流的路径选择特性可知，出行者总是希望选择最合适（最短、最快，最方便等）的路径出行，称之最短路因素；但由于交通网络的复杂性及交通状况的随机性，出行者在选择出行路线时由于判断误差而选择的路线不一定是最短路，往往带有不确定性，称之为随机因素。这两种因素存在于出行者的整个出行过程中，两因素所处的主次地位取决于可供选择的出行路线的路权差（行驶时间差或费用差等）。,多路径概率分配法,（7-1-9）式中：P（r，s，k）OD量T（r，s）在第k条出行路线上的分配率；t(k)第k条出行路线的路权（行驶时间）；t 各出行路线的平均路权（行驶时间）；分配参数；m 有效出行路线条数。,多路径概率分配法,一般来说，交通网络都比较复杂，往往含有百余个节点，每一OD点对之间具有很多不同的出行路线，尤其是长距离出行。因此，用本模型分配时，首先必须确定每一OD点对的有效路段及有效出行路线，本分配方法中，定义有效路段i,j为路段终点j比路段起点i更靠近出行终点j的路段，即沿该路段前进更能接近出行终点s。有效出行路线必须由有效路段所组成，每一OD点所对的出行量只在它相应的有效出行路线上进行分配。,多路径概率分配法,交通运输流从出行起点r到达出行终点s，需经过一系列的网络节点（交叉点）。每到一个网络节点，都必须作出选择，在该节点所邻接的有效路段中选择一条路段作为出行的一部分，继续进行。因此，在某网络节点，可供选择的有效出行路线条数等于该节点所邻接的有效路段个数。在通常的运输网络。路网节点邻接边数为35，而其邻接的有效路段绝大部分为2，少数为3或1。（只有一条有效路段时，不存在选择问题。）,多路径概率分配法,分配模型中，为无量纲参数，它与可供选择的有效出行路线条数有关。根据交通运流路径选择模拟分析发现，两路选择时，3.003.50；三路选择时，3.003.75,其取值比较稳定。因此，在实际应用时，可取=3.003.50。,多路径概率分配法,多概率分配模型能较好地反映路径选择过程中的最短路因素及随机因素，实际上，若各出行路线路权相同、则本模型为随机分配模型，各路线被选用的概率相同。若某一路线的路权远远小于其它各线路，则模型成为最短路分配模型。,