交通流分配分解ppt课件.ppt

《交通流分配分解ppt课件.ppt》由会员分享，可在线阅读，更多相关《交通流分配分解ppt课件.ppt（99页珍藏版）》请在三一办公上搜索。

1、交通流分配（Traffic Assignment）,交通流分配是本课程的重点和难点之一。最优化理论、图论、计算机技术的发展，为交通流分配模型和算法的研究及开发提供了坚实的基础，通过几十年的发展，交通流分配是交通规划诸问题中被国内外学者研究得最深入、取得研究成果最多的部分。,本章主要讲述交通流分配的基本概念、基本原理和基本方法，交通流分配的非平衡分配、平衡分配的模型和算法等内容。,概 述,两种机制相互作用直至平衡：一种机制是：各种车辆试图通过在网络上选择最佳行驶路线来达到自身出行费用最小的目标；另一种机制是：道路上的车流量越大，用户遇到的阻力即对应的行驶阻抗越高。用一定的模型来描述这两种机制及其

2、相互作用，并求解网络上交通流量在平衡状态下的合理分布，即交通流分配。,就是将预测得出的OD交通量，根据已知的道路网描述，按照一定的规则符合实际地分配到路网中的各条道路上去，进而求出路网中各路段的交通流量、所产生的OD费用矩阵，并籍此对城市交通网络的使用状况做出分析和评价。,交通配流,路径n,路径1,路径2,O,D,O,D,最初的交通流分配研究，多采用全有全无方法。该方法处理的是非常理想化的城市交通网络，即假设网络上没有交通拥挤，路阻是固定不变的，一个OD对间的流量都分配在“一条径路”，即最短径路上。但对于既有的城市内部拥挤的交通网络，该方法的结果与网络实际情况出入甚大。,交通配流的发展阶段,在

3、1952年，著名交通问题专家Wardrop提出了网络平衡分配的第一、第二定理，人们开始采用系统分析方法和平衡分析方法来研究交通拥挤时的交通流分配。确定性的平衡配流：其前提是假设出行者能够精确计算出每条径路的阻抗，从而能作出完全正确的选择决定，且每个出行者的计算能力和水平是相同的。现实中出行者对路段阻抗的掌握只能是估计而得。对同一路段，不同出行者的估计值不会完全相同，因为出行者的计算能力和水平是各异的。,交通配流的发展阶段,在1977年，对交通流分配理论研究最积极、活跃的美国加州大学伯克利分校的Daganzo教授及麻省理工学院的Sheffi教授提出了随机性分配的理论。随机性分配的前提是认为出行者

4、对路段阻抗的估计值与实际值之间的差别是一个随机变量，出行者会在“多条路径”中选择，同一起迄点的流量会通过不同的径路到达目的地。随机性分配理论和方法的提出，在拟合、反映现实交通网络实际的进程中又推进了一大步。,交通配流的发展阶段,路网上的拥挤性、路径选择的随机性、交通需求的动态性是同时存在并交互作用的，其机理是纷繁复杂的。真正地符合路网实际情况，还有更重要更基本的交通需求的时变性（即动态性）需要反映出来。需要一种交通流分配方法能够将路网上交通流的拥挤性、路径选择的随机性、交通需求的时变性综合集成地刻画反映出来，这是研究交通问题的学者一直积极探索的问题。,交通配流的发展阶段,基 本 概 念,(1)

5、将现状OD交通量分配到现状交通网络上，以分析目前交通网络的运行状况，如果有某些路段的交通量观测值，还可以将这些观测值与在相应路段的分配结果进行比较，以检验模型的精度。(2)将规划年OD交通量预测值分配到现状交通网络上，以发现对规划年的交通需求来说，现状交通网络的缺陷，为交通网络的规划设计提供依据。(3)将规划年OD交通量预测值分配到规划交通网络上，以评价交通网络规划方案的合理性。,交通流分配的几种模式,（1）表示需求的OD交通量。在拥挤的城市道路网中通常采用高峰期OD交通量，在城市间公路网中通常采用年平均日交通量（AADT）的OD交通量；（2） 路网定义，即路段及交叉口特征和属性数据，同时还包

6、括其时间流量函数；（3）路段阻抗函数。,交通流分配的基本数据,从交通流分配的特点来说，可以分为两类:交通工具的运行线路固定类型和运行线路不固定类型。线路固定类型有公共交通网和轨道交通网，这些是集体旅客运输；线路不固定类型有城市道路网、公路网，这一般是指个体旅客运输或货物运输，这类网络中，车辆是自由选择运行径路的。,交通阻抗（交通费用）,交通阻抗或者称为路阻是交通流分配中经常提到的概念，也是一项重要指标，它直接影响到交通流路径的选择和流量的分配。道路阻抗在交通流分配中可以通过路阻函数来描述。所谓路阻函数是指路段行驶时间与路段交通负荷，交叉口延误与交叉口负荷之间的关系。,交通网络上的路阻（费用），

7、应包含反映出行时间、出行费用、安全、舒适程度、便捷性和准时性等等许多因素。经过大量的理论分析和工程实践，人们得出影响路阻的主要因素是时间，因此出行时间常常被作为计量路阻的主要标准。交通阻抗有两部分组成：路段上的阻抗、节点处的阻抗。,出行时间与流量的关系比较复杂，可以广义地表达为：即路段a上的费用 不仅仅是路段本身流量的函数，而且是整个路网上流量V的函数。,对于公路网而言，由于路段比较长，大部分出行时间是在路段上而不是在交叉口上，费用和流量的关系可以简化为：即路段的费用只与该路段的流量及其特性相关。,路段阻抗,美国道路局(BPRBureau of public road)开发的函数，被称为BPR

8、函数:,：路段 上的阻抗；：零流阻抗，即路段 上为空静状态时车辆自由行驶所需 要的时间；：路段 上的交通量；：路段 的实际通过能力，即单位时间内路段实际可通过 的车辆数；：在美国公路局交通流分配程序中，这两个参数的取值分别为 0.15、4。也可由实际数据用回归分析求得。,车辆在交通网络节点处主要指在交叉口处的阻抗。交叉口阻抗与交叉口的型式，信号控制系统的配时，交叉口的通过能力等因素有关。在城市交通网络的实际出行时间中，除路段行驶时间外，交叉口延误占有较大的比重，特别是在交通高峰期间，交叉口拥挤阻塞比较严重时，交叉口延误将超过路段行驶时间。,节点阻抗,1958年英国TRRL研究所的F.V. We

9、bster 等人根据排队论理论，提出了一个计算交叉口延误的模型。该模型中主要包括两部分：一部分是车辆到达率为固定均值时产生的正常相位延误即均匀延误；另一部分是车辆到达率随机波动时所产生的附加延误。,T：信号周期长度；：进口道有效绿灯时间与信号周期长度之比，即绿信比；Q：进口道的交通流量；X：饱和度，X=Q/S ，S为进口道通过能力。,交通平衡问题,Wardrop提出的第一原理定义：在道路的利用者都确切知道网络的交通状态并选择最短径路时，网络将会达到平衡状态。在考虑拥挤对行驶时间影响的网络中，当网络达到平衡状态时，每个OD对的各条被使用的径路具有相等而且最小的行驶时间；没有被使用的径路的行驶时间

10、大于或等于最小行驶时间。这条定义通常简称为Wardrop平衡，在实际交通流分配中也称为用户均衡(UE, User Equilibrium)或用户最优。,Wardrop提出的第二原理：在系统平衡条件下，拥挤的路网上交通流应该按照平均或总的出行成本最小为依据来分配。Wardrop第二原理，在实际交通流分配中也称为系统最优原理（SO，System Optimization）。,第一原理主要是建立每个道路利用者使其自身出行成本（时间）最小化的行为模型，而第二原理则是旨在使交通流在最小出行成本方向上分配，从而达到出行成本最小的系统平衡。第二个原理作为一个设计原理，是面向交通管理工程师的。在实际交通中，人

11、们更期望交通流能够按照Wardrop第一原理，即用户平衡的近似解来分配。,例子：设OD之间交通量为q=2000辆，有两条路径a与b。路径a行驶时间短，但是通行能力小，路径b行驶时间长，但通行能力大。假设各自的行驶时间（分钟）与流量的关系是：,根据 Wardrop平衡第一原理的定义，很容易建立下列的方程组： 则有：,显然 只有在非负解时才有意义，即也就是说，当OD交通量小于250时， ，则即所有OD 都沿着路径a走行。当OD交通量大于250时，两条径路上都有一定数量的车辆行驶。当 时，平衡流量为：即平衡时两条径路的行驶时间均为22分钟。,从1952年Wardrop提出道路网平衡的概念和定义之后，

12、如何求解Wardrop平衡成了研究者的重要课题。 1956年，Beckmann等提出了描述平衡交通流分配的一个数学规划模型。 经过20年之后，即到1975年才由LeBlanc等学者设计出了求解Beckmann模型的算法（将Frank-Wolfe算法用于求解该模型），从而形成了现在的实用解法。Wardrop原理Beckmann模型LeBlanc算法这些突破是交通流分配问题研究的重大进步，也是现在交通流分配问题的基础。,对于完全满足Wardrop原理定义的平衡状态，则称为平衡分配方法。对于采用启发式方法或其它近似方法的分配模型，则称为非平衡分配方法。,非平衡分配方法,非平衡分配方法按其分配方式可分

13、为变化路阻和固定路阻两类，按分配形态可分为单路径与多路径两类。,全有全无分配方法（all-or-nothing）,将OD交通量T加载到路网的最短径路树上，从而得到路网中各路段流量的过程。第1步：初始化，使路网中所有路段的流量为0，并求出各路段自由流状态时的阻抗；第2步：计算路网中每个出发地O到每个目的地D的最短路径；第3步：将O、D间的OD交通量全部分配到相应的最短径路上。,该方法是在全有全无分配方法的基础上，考虑了路段交通流量对阻抗的影响，进而根据道路阻抗的变化来调整路网交通量的分配，是一种“变化路阻”的交通量分配方法。增量分配法有容量限制-增量加载分配、容量限制-迭代平衡分配两种形式。,增

14、量分配法（incremental assignment method）,容量限制-增量加载分配方法,将OD交通量分成若干份（等分或不等分）；循环地分配每一份的OD交通量到网络中；每次循环分配一份OD交通量到相应的最短路径;每次循环均计算、更新各路段的行驶时间，然后按更新后的行驶行驶时间重新计算最短径路；下一循环中按更新后的最短径路分配下一份OD交通量。,第1步：初始化。分割OD交通量：令n=1 。第2步：计算、更新路段费用：第3步：用全有全无分配法将第n个分割OD交通量 分配到最短经路上。得到每条路段上的流量 。第4步：计算 。第5步：如果n=N，则结束计算。反之，令n=n+1返回第2步。,=

15、,当分割数N=1时便是全有全无分配方法，当N趋向于无穷大时，该方法趋向于平衡分配法的结果。优点：简单可行，精确度可以根据分割数N的大小来调整；实践中经常被采用，且有比较成熟的商业软件可供使用。缺点：与平衡分配法相比，仍然是一种近似方法；当路阻函数不是很敏感时，会将过多的交通量分配到某些通行能力很小的路段上。,增量加载和迭代平衡分配形式的原理基本是相同的。但增量加载方法事先无法估计迭代次数及计算工作量，对于较复杂的网络，可能会因为个别路段的迭代精度无法满足要求而使迭代进入死循环，出现算法不收敛的情况。美国联邦公路局对这一算法进行了改进： 事先设定一个最大迭代次数N（N4） 当前迭代的阻抗值为前两

16、次阻抗值的加权值平衡流解即取最后四次迭代的路段流量的平均值。,容量限制-迭代平衡分配,第1步：初始化。令 ，用全有全无方法将OD矩阵加载到交通网络上，得到路段流量 ，设置迭代次数n=1。第2步：计算 。第3步：加权平滑。计算 ，其中权值0.75和0.25是由经验得到的。第4步：网络加载。根据路段的阻抗值 ，用全有全无方法将OD矩阵加载到交通网络上，得到路段流量 。第5步：如果n=N，则结束计算。反之，令n=n+1返回第2步。,迭代平均法（MSA算法）,不断调整各路段分配的流量而逐渐接近平衡分配结果。每步循环中，根据各路段分配到的流量进行一次全有全无分配，得到一组各路段的附加流量；然后用该循环中

17、各路段已分配的交通量和该循环中得到的附加交通量进行加权平均，得到下一循环中的分配交通量；当相邻两次循环中分配的交通量十分接近时，即停止运算，最后一次循环中得到的交通量即为最终结果。,第1步：初始化。令 。根据各路段自由行驶时间进行全有全无分配，得到初始解 。令迭代次数n=1。第2步：更新路段的阻抗，按照当前各路段的交通量计算各路段的路阻 。第3步：按照路段行驶阻抗 将OD交通量进行全有全无分配。得到各路段的附加交通量 。第4步：更新路段流量。计算第5步：如果连续两次迭代的结果相差不大，则停止计算。即为最终分配结果。否则令n=n+1，返回第2步。,连续平均法是介于增量分配法和平衡分配法之间的一种

18、循环分配方法。MSA方法是既简单适用，又最接近于平衡分配法的一种分配方法；如果每步循环中1/n的严格按照数学规划模型取值时，即可得到平衡分配的解。,例题设图示交通网络的OD交通量为 辆，各路径上的交通费用函数分别为：试用全有全无分配法、增量分配法法求出分配结果，并进行比较。,i,j,1,2,3,全有全无分配法 由路段费用函数可知，在路段交通量为零时，路径1最短。根据全有全无原则，交通量全部分配到路径1上，得到以下结果： 很明显，根据Wardrop原理，网络没有达到平衡状态。此时路网总费用为5000。,增量分配法(假定N=2)第1次分配：与全有全无分配法相同，路径1最短。得到下面结果：第2次分配

19、：此时最短路径变为路径2，得到下面结果：此时路网总费用为2750。,平衡配流模型及算法,Wardrop平衡分配原理的数学模型平衡分配模型的求解算法用户平衡分配模型系统最优平衡分配模型,模型中所用变量和参数,：路段a上的交通流量；：路段a的交通阻抗，也称为行驶时间； ：路段a的阻抗函数，也称为行驶时间函数；：出发地为r，目的地为s的OD间的第k条径路上的流量；：出发地为r，目的地为s的OD间的第k条径路的阻抗；：出发地为r，目的地为s的OD间的最短径路的阻抗；,：路段-路径相关变量，即0-1变量。如果路段a属于从出发地为r目的地为s的OD间的第k条路径，则为1，否则为0。R：网络中出发地的集合；

20、S：网络中目的地的集合； ：出发地r和目的地s之间的所有径路的集合； ：出发地r和目的地s之间的OD交通量。,Wardrop用户平衡准则,当交通网络达到平衡时，若有 0，必有说明如果从r到s有两条及其以上的路径被选中，那么它们的行驶时间最小且相等；若有 =0，必有说明如果某条从r到s的路径流量等于零，那么该路径的行驶时间一定不小于被选中的路径的行驶时间。,基本守恒条件,（1）OD间各条路径上的交通量之和应等于OD交通总量,（2）路段上的流量等于使用该路段的各条路径的流量之和,（3）路径的阻抗等于组成该路径的各个路段的阻抗之和（4）路径流量满足非负约束,用户平衡配流模型（Beckmann模型 ）

21、,用户均衡的概念,如图所示，一个有两条路径（同时也是路段）、连接一个出发地和一个目的地的简单交通网络，两个路段的阻抗函数分别是：,t1=2+x1，t2=1+2x2,OD量为q=5，分别求该网络的Beckmann平衡模型的解和平衡状态的解。,R,S,1,2,例题,将阻抗函数带入模型，得：,x1,x20,s.t. x1+x2=5,将x1=5-x2带入目标函数并进行积分，得到下面极小值问题：min:Z(X)=1.5x12-9x1+30令dZ/dx1=0解得x1*=3，x2*=2。,求平衡状态的解根据Wardrop用户平衡原理： t1=t2 x1+x2=5。求解这个方程组，很容易求得x1=3，x2=2

22、。此时，t1=t2=5。可见，Beckmann模型的解和平衡状态的解完全相同。,等价性证明,根据非线性规划理论，对模型构造拉格朗日（Lagrange）函数：,其中， 是拉格朗日乘子，也是rs之间的最小阻抗。,根据非线性规划理论中的库恩塔克（Kuhn-Tucher）条件，拉格朗日函数在极值点必须满足下列条件：,库恩塔克条件可以简化表示为：,对于某个特定的连接r和s的路径，某路径k的流量 有两种可能：,如果 ，得 ；如果 ，得 。,求解方法,步骤1：初始化：按照 ，进行0-1交通流分配，得到各路段的流量 ；令n=1；,步骤2：更新各路段的阻抗 ：,步骤3：寻找下一步迭代方向：按照更新后的 ，再进行

23、一次0-1交通流分配，得到一组附加流量 ；,步骤4：确定迭代步长：用二分法求满足下式的,步骤5：确定新的迭代起点 ；,步骤6：收敛性检验。如果满足： 其中是预先给定的误差限值，则 就是要求的平衡解，计算结束；否则，令n=n+1，返回步骤2。,系统最优模型,该模型称为系统最优模型SO(System Optimization)。Beckmann模型称为用户平衡模型UE(User Equilibrium)。,系统最优分配与用户最优分配的关系：对阻抗函数进行变换，令：,如果用 作为阻抗函数，则此时用户最优分配模型完全可以转换为系统最优分配模型，所以进行该阻抗函数下的用户最优分配，得到的解就是系统最优分

24、配的解。,1,3,1,1,1,3,1,3,1,最短路径算法,好的交通量分配法必须有一种好的最短路径计算方法寻找O-D对之间的最小费用路径，简称最短路径，是求解交通网络平衡配流问题的核心。 任何一种交通量分配法都是建立在最短路径的基础上； 任何一个分配法中，最短路径的计算占据了全部计算时间的主要部分。至少有90%的计算时间花在最短路径的寻找上。,求解最短路径算法迪杰斯特拉(Dijkstra)算法，即标点法（Label-correcting method）矩阵迭代法,基本思想：反复扫描网络的节点，在每次扫描中，该方法试图发现从根节点到正在扫描的节点之间的、比现有路径更好的路径，当从根节点到所有其它

25、节点之间没有更好的路径时，算法就停止搜索。,标点法,在此算法中，为每一个节点设置两个记录：,（1） 标号 ，表示沿着最短路径从根节点到节点 的最小费用；,（2）紧前节点 ，表示沿着最短路径到达节点 且最靠近 的节点。,在每次扫描中，将紧前节点都记录下来，形成紧前节点序列，这是为了停止扫描时，能反馈地找出最短路径的轨迹。,检查列中包含正在和需要进一步检查的节点，掌握节点被检查的动态；标号列中记载各节点的标号；紧前节点列中记载各节点的紧前节点，根据紧前节点列可以找到节点之间的最短路径；每进行一步新的扫描，标号列、紧前节点列和检查列就要更新一次，当检查列中不再有节点时，算法停止。,算法步骤：,第一步

26、：初始化，置所有标号为无穷大（或一个很大的正数），置所有的紧前节点为零，将根节点 放入检查列中，并令 ；,第二步：从检查列中任选一个节点，例如节点 ，扫描所有从 节点出发只经过一条弧便可到达的节点，例如 节点，如果： 则更新节点 上的标号，令 ， 是从节点 到节点 的弧上的阻抗值。如果上面式子不成立，则节点 的标号不变。,第三步：在改变节点 的标号的同时，修改 ，且将 加入到检查列中（因为从节点 出发还可能到达其它节点）。当从 出发只经过一条弧便可到达的所有节点都被检查过时，就从检查列中删除 节点。,第四步：当检查列中不再有节点时，算法停止。从根节点到其它任意节点的最短路径可通过反向搜索最后的

27、紧前节点序列识别出来。,例：包含4条弧的简单网络，其中根节点为1，弧上的数字表示弧的阻抗。,第一步：所有节点的标号都置为 ，其紧前节点都置为零。然后，节点1的标号变为0，且把它放到检查列中。,第二步：从节点1出发可以到达节点2和4，先考虑节点4，因为 ，则节点4的标号变为4，且被放入到检查列中。,标号列,紧前节点列,基本思想：（1）是借助距离（路权）矩阵的迭代运算来求解最短路权的算法。（2）该方法能一次获得任意两点之间的最短路权矩阵。,矩阵迭代法,算法步骤：,（1）首先构造距离矩阵（以距离为权的权矩阵）（2）矩阵给出了节点间只经过一步（一条边）到达某一点的最短距离（3）对距离矩阵进行如下的迭代

28、运算，便可以得到经过两步达到某一点的最短距离：,k=1,2,3,n,n：网络节点数；,*：矩阵逻辑运算符；dik，dkj ：距离矩阵D中的相应元素。,例题：用矩阵迭代法计算下图所示路网任意节点之间的最短阻抗值。,（1）距离矩阵如下：,（2）进行矩阵迭代运算（第2步）,d212=mind11+d12,d12+d22,d13+d32,d14+d42,d15+d52,d16+d62, d17 +d72,d18+d82,d19+d92 =min0+2,2+0,+2,2+,+2,+,+, +, +=2 (i=1,j=2;k=1,29),其它元素按同样方法计算，得到D2,（3）进行矩阵迭代运算，经过三步到

29、达某一节点的最短距离为：,D3= D2 *D=d3ijd3ij =mind2ik+dkj k=1,2,3,n,d2ik :距离矩阵D2中的元素；dkj:距离矩阵D中的元素。,迭代不断进行，直到： Dm= Dm-1。即：Dm中的每个元素等于Dm-1 中的每个元素为止，此时的Dm便是任意两点之间的最短路权矩阵。,随机分配方法,随机用户平衡的问题任何一个道路利用者均不可能通过单方面改变其径路来降低其所估计的行驶时间时，达到了平衡状态，这就是所说的“随机用户平衡（stochastic user equilibrium）”即SUE问题。,非平衡随机分配方法模拟随机分配法（simulation-based

30、）：应用Monte-Carlo等随机模拟方法产生路段阻抗的估计值，然后进行全有全无分配；概率随机分配法（proportion-based）：利用Logit等模型计算不同径路上承担的出行量比例，并由此进行分配。,3、Dial算法以及其缺陷,Dial算法定义有效路径为：O-D对rs之间的路径是有效的，是指它所包含的所有路段都令出行者离起始点越来越远，离终结点越来越近。只有当O-D对rs之间的路径上任意路段（i,j）满足以下条件时，该路径才算是有效路径。,且,（1）,Dial算法,3、Dial算法以及其缺陷,第一步：对于每一节点，采用最短路算法计算 和 ， ；,第二步：对于路段（i,j），计算路段似

31、然值：,第三步：向前计算路段权重。从起点开始，按照 的上升顺序对每一个节点，计算离开它的所有路段的权重值。,当达到终节点时停止计算。,3、Dial算法以及其缺陷,第四步：向后计算路段流量。从终点开始，按照 的上升顺序依次考虑节点，对于每一个节点，计算进入它的所有路段上的流量。,3、Dial算法以及其缺陷,Dial算法对有效路径的定义过于严格，将导致分配结果中阻抗较低的路径不被使用，而阻抗较高的路径反被使用的现象。根据Dial算法的初始化阶段，计算结果如表所示：,根据Dial算法，路段（2,3）不属于有效路径的路段，这样，路径1-2-3-5就被排除在有效路径之外，但这条路径的阻抗均为4.5，而被

32、认为是有效路径1-4-5的阻抗值为5，显然，这是不合理的。如果按照“一步走过”算法，则所有连通路径都会被看作为有效路径，而此时路径1-2-3-4-5的阻抗为6，为最小阻抗的1.5倍，显然，这在现实中也是不合理的。,3、Dial算法以及其缺陷,Dial算法假定路径的选择概率与该路径所包含的所有路段似然值的乘积成正比例关系，即,这种假定条件说明，路径所包含的路段数量越多，那么该路径被出行者选择的概率就越小。但是在实际的道路交通网络中，可能会出现这样的情况，在某个O-D间的某条路径上，虽然此路径所包含的路段数量较多，但这些路段的费用都较小，那么该条路径被选择的概率就会相应的较大。由于Dial算法在判

33、断有效路径的准则中没有考虑路段费用的信息，从而可能产生与实际情况有较大偏差的配流结果。,随机平衡分配方法考虑拥挤因素下的随机用户平衡（SUE）分配问题，即路段阻抗是随交通量变化的，假设感知路段阻抗的期望值是路段交通量的函数。 随机用户平衡分配中道路利用者的径路选择行为仍遵循Wardrop第一原理，只不过他(她)们选择的是自己估计阻抗最小的径路来出行。,随机平衡分配模型,随机平衡分配算法,步骤1：初始化。按照各路段的初始行驶时间 （可以取零流时间）进行一次随机分配，得到各路段的分配交通量 ，令n=1。,步骤2： 根据当前各路段的分配交通量 计算各路段的行驶时间。,步骤3： 根据第二步计算的各路段

34、行驶时间和OD交通量进行随机分配，得到各路段的附加交通量 。,步骤4： 用迭代加权的方法计算各路段的当前交通量：,步骤5： 收敛判断。如果满足收敛要求，则停止计算；否则，令n=n+1，返回步骤2。,Fisk模型,Fisk于1980年提出了一个最优化问题,该问题中O-D矩阵( )已知,路段流量( )被直接视为变量。可以证明最优化问题的解对应于Logit形式的路径选择公式，故它也是一个SUE条件解.,s.t.,式中 是一个非负的校正参数。它掌握了整个模型的随机特性。当 时,目标函数的第二项就会控制整个函数，模型就变为一个标准的UE问题。当 时, O-D矩阵( )将均匀的分布到网络上，相当于令所有路

35、径的阻抗都相等。事实上, 它说明 增大时，路段方差减小，整个模型向确定性的UE接近。但是，模型从外表上看，不是一个随机配流模型,却含有Logit形式随机配流问题的全部特征。,Fisk模型有几个问题至今没有很好解决:(1)如何完成路径列出;(2)如何校正参数;(3)如何设计有效的算法.Dial算法；求解标准UE问题，每次迭代中都要寻找一次最短路径并实行配流，将每一次迭代过程中的最短路径都存贮起来，最后进行比较：两次迭代结果相同的，去掉一个；阻抗值明显大大高于一般路径阻抗的，也去掉。最后剩下的路径就认为是有效路径.,第一步：确定有效路径的集合。第二步：根据 ， ，计算有效路径的阻抗，然后根据Logit模型计算初始路径流量 ， 。置迭代次数 。第三步：由( )计算新的路径阻抗，再用Logit模型计算新的路径流量( )。第四步：确定搜索步长。解一维搜索问题，确定迭代步长,求解方法,更新的路径流量是第五步：收敛性检查。若满足，则停止迭代；否则，令 ，转第三步。,