高自友,任华玲《城市动态交通流分配模型与算法》

itslu

piaomin ，谢谢你的资料，vics的网站我以前去过，关于具体的算法没有详细的介绍。从你说的“用户接收到的信息是10分钟前的信息”，这种诱导是滞后的啊，日本统计过vics的用户数量，有几百万，不知道系统实际运行效果怎么样？诱导后能缓解多少交通拥挤？

huanghaijun

ITSLU, 我认为, 如果你做实际应用项目, 必须是在线的, 就按照你原先的思路做. 做离线的, 主要是为了学术研究, 为了探求事情的本质和真谛. 当然,离线的做好了,其思想和发现可以指导在线的做得更好.
piaomin提供的日本的进展信息很有价值, vics是很实用的, 能够准确地提供5分钟前的信息也很有用啊! 诱导只是诱导, 不是指挥, 司机在5分钟前信息的帮助下,还是要靠自己做出决策, 不过, 这种决策比没有一点信息帮助下做出的随机决策要好. 能够准确地指出静态的最佳路径及周边的有用信息也好啊. 反观国内开发的系统, 多么粗制滥造! (也难怪, 国内城市大发展, 今天还有的路, 明天就被挖掉了, 所以在国内对哪个导航系统不能全信) 10月2日京津高速公路上的一次事故, 车队长度几公里, 堵了10几小时, 为什么? 信息系统到那里去了, 如果及时发布信息(包括预计处理事故的时间), 司机们还会偏向虎上行吗?
黄海军

itslu

谢谢黄老师一直能关注这个问题，并作出解答。
此致！

       敬礼！

andsimple

高老师的书上，前面的模型（到11章）是reactive的，这个做法理解，做起来也相对简单，如黄老师所说， reactive DUO　接近目前实际的个人行为。
但瞬时给每一辆车提供的最短路径, 只是当时最短的, 一天下来, 这样分配路径的结果于系统来说可能不是最好, 于个人来说也不是均衡的.高老师的书中第12章开始讨论的实际上就是predictive DUO，因为路段（径）阻抗都是基于实际的、预测的，这种更符合要求，也和国际接轨。

andsimple

高老师的书上，前面的模型（到11章）是reactive的，这个做法容易理解，做起来也相对简单，如黄老师所说， reactive DUO　接近目前实际的个人行为。但瞬时给每一辆车提供的最短路径, 只是当时最短的, 一天下来, 这样分配路径的结果于系统来说可能不是最好, 于个人来说也不是均衡的.高老师的书中第12章开始讨论的实际上就是predictive DUO，因为路段（径）阻抗都是基于实际的、预测的，这种更符合要求，也和国际接轨。
  

xjtuits

对predictive DUO，本人的理解，应该就是模拟DTA系统中需要实现的“一致性”诱导。ATIS可为出行者推荐某条最优路径，并告诉他到达终点所需时间；当他到达目的地后，回过头来看，ATIS为他推荐的路径确实是所有可行路径中行程时间最短的那条。理论上，reactive DUO实现起来要容易得多，安装足够多的检测器和浮动车即可，但交通流是动态变化的，是否真的能够得到最优路径很难说，而且有所谓的“过激响应”存在，得到诱导信息的车辆越多，交通流反而可能越乱套；但predictive式却要考虑出行者对信息的响应行为，比较难做，目前最好的方法大概是基于选择理论的模型。
对于交通诱导，本人还是倾向于采用DTA模型。很多信息处理技术用到了交通诱导的研究中，但本质上说，这些技术也就是通过对历史数据进行学习或者拟合的一个过程，要求布设大量检测器和大量历史数据，并且不考虑发布出去的诱导信息会改变出行决定，实际应用会有很大困难。DTA模型可能只需10%以上的路段布设有检测器即可，可以很方便地融入行为模型，有严密的理论和事实依据，其中的道路交通流模型既有实际数据的支持，也有严格的理论依据(由微观跟车模型可以推导出宏观流体模型，使我相信宏观交通流模型是站得住脚的)。

itslu

谢谢andsimple的回答。
问一下 xjtuits，
1.你说“reactive式会产生过激反应，predictive式要考虑出行者对信息的响应行为”，后半句话的意思是指要预测有多少车辆响应最优路径信息吗？能列出一些这方面的文献吗，多谢！
2.你说“DTA模型可能只需10%以上的路段布设有检测器即可”，这个方法是不是指采用流量倒推OD？由于一个路径或路段上的流量可能由多个OD对产生，所以这种倒推是一对多的关系，很难保证准确性。有一次我们学院请在美国的李强做报告，问他了这个问题，他说由于存在这个一对多的关系，很难研究，所以现在基本上不研究了。
3.采用DTA模型给出最优路径或路段，这种方法是不是也同样会产生“过激”反应呢？也把这种现象称为braess悖论。解析DTA和模拟DTA我都没实际做过，我想问一下，利用DTA给出最优路径，是不是也是对同一OD对的车辆同时发送同样的诱导信息？如果是的话，那也同样会产生过激反应啊？请跟贴，多谢！

xjtuits

回答itslu的问题如下：
1.predictive式DTA确实要为出行者信息响应行为建模。DynaMIT的开发者采用了"Discrete Choice Theory"为这些行为建模。应用该理论为交通行为建模的主要代表人物是Berkeley的Mc.Fadden和MIT的Moshe Ben-Akiva两位教授，Moshe Ben-Akiva的学生Michel Bierlaire和Joan Walker在该领域也做了很好的工作。在网上查查他们的相关资料可以找到不少相关论文。每个出行者有不同的社会经济学属性（年龄、性别、家庭收入、汽车拥有情况、工作性质等），还有其他的一些特征包括是否装有车载导航仪、出行目的是工作还是休闲等，根据这些特征，离散选择模型可以描述他们对信息的响应行为，得出的结果是对某一个选择的服从概率（如选择ATIS推荐的某条路径的概率是0.6)。通过对大量个体出行者选择行为进行随机仿真，可以评价ATIS信息对网络交通流分布究竟会带来什么样的影响，如果效果不错，那可以把ATIS生成的诱导信息发布出去；如果影响是负面的，则需要重新进行修正，不断反复迭代，直至找到一个满意解，并最终发布给用户。实际上对随机用户均衡问题(SUE)，连续平均算法(MSA)基本保证迭代解是收敛的。因此，预测式DTA在把诱导信息最终发布给用户之前，它事先要在仿真器上通过多次迭代，不断评价信息对网络交通流分布的影响（即在仿真器上描述出行者对即将发布给他们的信息作何响应），直至找到一个满意
解，然后才能真正发布给用户。DynaMIT在微观交通仿真器上做了仿真测试，即使90%以上的车辆都能接收车载诱导信息，预测式诱导也不会带来“过激”响应；反应式的效果就较差了。
2.实际上模拟DTA系统非常关键的问题就是动态交通需求分析，包括动态OD矩阵估计。在动态OD估计方面做出重要贡献的，就我所知有MIT的K.Ahsok和Moshe Ben-Akiva,最早的一篇文章发表在1993年的ISTTT会议上。确实，动态OD估计包括静态OD估计都存在“一对多”的问题，因此，要求有先验数据。对高速公路，先验OD很容易得到，通过统计收费站的票据即可；对城市路网，OD调查是需要的。可以预料，随着车牌识别，车辆跟踪等技术的发展和应用，更精确地估计和预测动态OD将会越来越容易。实际上，DynaMIT在加州的Irvine的城市路网（大概100个交叉口）中已经用离线数据进行过测试，效果是很好的，当然动态OD估计的效果不错。
3.反应式DTA可能会产生所谓的“braess悖论”，预测式能够较好地抑制。在预测式DTA中，我的理解，对同一OD对同时离开起点的出行者，他们得到的诱导信息可能是不同的，包括推荐不同的到达目的地的路径。这取决于他们的社会经济学特征和个性特征。例如，有人希望行程时间最短、有的希望沿途风景最好、有的希望尽可能沿途路面宽阔等等。总之，为了避免引起“过激”响应，预测式DTA在把信息真正发布出去之前，总是要先在仿真器上试一下，看看网络中的出行者对这些信息的响应结果如何，确保可行之后，才会真正发布出去。
据我所知，东京大学有的学者也在研究采用类似DynaMIT的方法改进VICS。理论上，预测式诱导是最好的思路，但难点是为出行者的行为建模，FHWA的评价是目前在该领域的研究还处于“infancy"时期，DynaMIT和DynaSmart的开发者面临的是巨大的技术挑战。Moshe Ben-Akiva教授的观点是，如果交通网络中的出行者行为都很一致，都很听ATIS的话，叫干什么就干什么，其结果是交通网络的性能只会更糟；正是由于出行者具有个性特征，行为千差万别，才给交通诱导和控制带来了真正发挥作用的空间。
啰嗦了一大堆，不知道是否能够回答清楚一些您提出的问题。

andsimple

对于xjtuits 所提到的“得到诱导信息的车辆越多，交通流反而可能越乱套”现象在ATIS充分发展以后是很可能发生的，这就涉及到ATIS市场占有率的问题，高和任的书中有一章就探讨了这个问题。我个人认为就这个问题还有很多可做的东西，首先DTA模型的进展相应会促进这个问题的研究，DTA模型的研究是它的基础；另外，如书中所说，出行者购买ATIS与否取决于这个系统能为出行者带来的“效益”，而不同类型的出行者所感受到（或认为）的“效益”很可能是不同的；再有，购买ATIS的费用问题，是否应与高峰期（或者说时间）挂勾，如何挂勾等等，都是值得研究的问题。
个人意见，仅供参考。

itslu

谢谢xjtuits的回答。
我觉得现在大家的思路不统一，大家对predictive DTA这里的预测理解的不一样。 xjtuits 说的predictive指的是基于离散选择理论，利用仿真器对发布诱导信息后的效果进行模拟，直到获得满意结果才发布诱导信息。而高老师那本书上对predictive DTA的理解是基于实际的路段阻抗，也就是当车辆在某时刻出发实际走完这个路段所需花费的时间，这个实际的路段阻抗是通过预测得来的。请大家讨论，谢谢！

xjtuits

itslu,可能我上面发的帖子没有表达清楚。
采用离散选择理论等方法的最终目的是为了准确地预测道路阻抗，即前文中所说的实现“一致性”的交通诱导。DynaMIT, DynaSmart等系统不管采用什么方法，其最终目标是要开发成功可实际应用的DTA系统，判断其是否真正有效的唯一标准是通过严格的现场测试检验其估计和预测信息的质量。
DTA分为两大类，解析方法和模拟方法。在文献中，更多见的是解析DTA，模拟DTA谈得极少；但实用的DTA系统开发，几乎无一例外地采用了模拟DTA。连极力倡导用严格数学方法分析交通问题的Michael Florian大牛牛也和他的学生Mahut博士一起开发了Dynameq软件，其交通分配也是采用模拟法实现的。解析DTA最大的困难在于为了满足数学处理的需要，所作的假定很大程度脱离了交通实际；但模拟DTA的许多思路来源于解析DTA研究，两者事实上是相互补充，互相促进的。如黄老师所言，
“研究DTA的目的,不在于结果的精度,更大的科学价值是真正弄懂动态抉择的机理, 对大趋势有一个正确的认识. 只要计算结果对决策参数能够正确地敏感变化就行,我们做交通规划与管理最紧要的也是找到流量分布对参数调整的变化规律.”
DTA对发展智能交通无疑十分重要。实用的DTA系统开发，需要相当客观、真实地去理解和描述交通参与者的行为规律，描述车辆在路网中的实际运行过程。很难想象，DTA中一个简单的GreenShield模型就能真实地反映路段上车流的运行规律。路网中信号控制、用户多样化的出行选择、拥挤收费、交通事故、道路施工、天气情况、交通管制等许多因素都会对路网交通流分布带来很大影响，这些因素在模型中是必须要考虑的，忽略其中的任何一个都可能使模型失去实用价值。迄今为止开发的模拟DTA系统，任何一个都可以找出这样或者那样的缺陷来，有的甚至很严重。我们这些后辈们应该在前辈打下的基础上，做得比他们更好才对。我本人和现在的DynaSmart开发者也有密切的联系，我知道他们也在改进模型，而且有了相当不错的思路；他们目前暂时不会对外公布其具体的研究成果。
记得黄老师曾经说过一句话，大意是“在DTA研究中任何点滴的进步都是了不起的成就”。确实如此，交通问题实在太复杂，但我始终相信肯定会找到好的解决方案的。

itslu

谢谢 xjtuits ，我需要看文献。

andsimple

楼上说的没有错，“实用的DTA系统开发，需要相当客观、真实地去理解和描述交通参与者的行为规律，描述车辆在路网中的实际运行过程。”诚然，这不是一件容易的事，您也推崇“黄老师曾经说过一句话，大意是‘在DTA研究中任何点滴的进步都是了不起的成就’。确实如此，交通问题实在太复杂，但我始终相信肯定会找到好的解决方案的。”因此，并不是某一个或几个模型就能最终解决这样复杂的交通问题的，任何一种方法都是为了提示其中一个或几个方面的问题，就象GreenShield模型也只是其中一个探索的方法而已。有的侧重理论研究，有的侧重系统研发，有的从解析方法角度考虑，有的从模拟方法考虑，目前的大趋势似乎是两者的结合，互相补充，相互推动。而且，我认为个人或一个团体的力量总是有限的，只有大家互相交流，互相学习，互相鼓励，才能进展得更快，才能尽快取得更好的成果，不知大家意下如何。

andsimple

本人有很多需要学习的地方，来这里的目的就是学习、开阔眼界来啦。

shoregh

扫描了一下第一章，由于论坛的邮箱被禁用了，就直接传在帖子里面了