基于均值-超量系统总阻抗的随机拥挤收费模型

合集下载

城市道路交通状态评价与衡量指标体系

第一章绪论1.1 研究背景1.1.1问题的提出改革开放以来，随着我国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。

近20年，内地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。

其中，北京作为人口超过2000万人、机动车500万辆的特大城市，交通拥堵已成为制约城市发展的主要问题，2010年10月的美国《外交政策》一书更是将北京列为世界五大拥堵城市之首。

城市交通拥挤已严重阻碍中国城市经济及空间布局结构的良性发展，在社会各个方面造成负面效应，具体表征为时间延误、能源浪费、大气污染及情绪影响等。

这些负面效应使得社会外部成本增高，危害了人类的经济利益和健康安全，更不符合建设和谐交通的目的。

因此，从科学的角度对城市道路拥挤的根本原因进行深入分析显得格外重要。

这不是单纯地统一增加道路基础设施建设、扩大路网规模来满足不断增长的交通需求量，而是通过拥挤识别确定城市不同道路的拥挤度来实施不同的解决措施。

建立完善的、符合我国国情的交通拥挤识别体系并合理运用成为当务之急。

1.1.2 研究意义我国是一个人口众多的发展中国家。

自1991年以来，我国的经济发展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。

汽车产量增大，人民的购买力上升，人民的配车率提高，私人小汽车的数量快速增长,城市的交通需求与交通供给出现了不平衡状况,导致了城市尤其是大城市严峻的交通拥挤问题。

因此，此次研究的目的就是通过分析交通指挥中心的固定检测器采集和实地考察的交通数据，在交通拥挤识别体系下，计算出有效的道路实时动态交通信息，根据获取的数据信息实时、准确地为管理者制定合理有效的交通拥挤疏导策略。

1.2国内外研究现状1.2.1拥挤识别研究现状到目前为止，国内外对很多学者研究开发了许多的 ACI 算法。

加利福尼亚算法。

通过比较邻近检测站之间的交通参数数据，对可能存在的突发交通事件进行判别，由此确定交通拥挤的发生。

城市道路交通状态评价指标体系

第一章绪论1.1研究背景1.1.1问题的提出改革开放以来，随着我国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。

近20年，地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。

其中，作为人口超过2000万人、机动车500万辆的特大城市，交通拥堵已成为制约城市开展的主要问题，2010年10月的美国“外交政策“一书更是将列为世界五大拥堵城市之首。

城市交通拥挤已严重阻碍中国城市经济及空间布局构造的良性开展，在社会各个方面造成负面效应，具体表征为时间延误、能源浪费、大气污染及情绪影响等。

这些负面效应使得社会外部本钱增高，危害了人类的经济利益和安康平安，更不符合建立和谐交通的目的。

因此，从科学的角度对城市道路拥挤的根本原因进展深入分析显得格外重要。

这不是单纯地统一增加道路根底设施建立、扩大路网规模来满足不断增长的交通需求量，而是通过拥挤识别确定城市不同道路的拥挤度来实施不同的解决措施。

建立完善的、符合我国国情的交通拥挤识别体系并合理运用成为当务之急。

1.1.2研究意义我国是一个人口众多的开展中国家。

自1991年以来，我国的经济开展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。

汽车产量增大，人民的购置力上升，人民的配车率提高，私人小汽车的数量快速增长,城市的交通需求与交通供应出现了不平衡状况,导致了城市尤其是大城市严峻的交通拥挤问题。

1.2国外研究现状1.2.1拥挤识别研究现状到目前为止，国外对很多学者研究开发了许多的 ACI 算法。

加利福尼亚算法。

通过比拟邻近检测站之间的交通参数数据，对可能存在的突发交通事件进展判别，由此确定交通拥挤的发生。

此算法于 1965-1970 年间，由加利福尼亚洲运输部开发。

(整理)城市道路交通状态评价指标体系.

第一章绪论1.1 研究背景1.1.1问题的提出改革开放以来，随着我国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。

近20年，内地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。

这些负面效应使得社会外部成本增高，危害了人类的经济利益和健康安全，更不符合建设和谐交通的目的。

因此，从科学的角度对城市道路拥挤的根本原因进行深入分析显得格外重要。

建立完善的、符合我国国情的交通拥挤识别体系并合理运用成为当务之急。

1.1.2 研究意义我国是一个人口众多的发展中国家。

自1991年以来，我国的经济发展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。

1.2国内外研究现状1.2.1拥挤识别研究现状到目前为止，国内外对很多学者研究开发了许多的 ACI 算法。

加利福尼亚算法。

通过比较邻近检测站之间的交通参数数据，对可能存在的突发交通事件进行判别，由此确定交通拥挤的发生。

双模式的拥挤收费双层规划模型

ｄｉｎｍｆｅｃｄｂｔｒｒｖｌｄｓｉｔａｃｕｔｌ，ｘｄｆｒｒｉｇ（ｕｈａｕｌｒｉｇｔｅｉｌｎｅｙｏｅａｅｍｏｅｎｃｏｎ．Ａｓｆｅｅｆｉｎｓｃｓｆｅｖｉｎｕｈｔｏｏｉｅｏｄｖ
ｃｓ，ｅｒｎ — ａｈｒｅａｄＳｎ，ｃｎｅｔｎｆｎｅａｉｏａｒａｅｒｒｌｔａｏｔｗａ— ｄｔｒｃａｇｎＯｏ）ｏｇｓｏｅａｄｐｎｌｅｆｒｖｌａｌｏｅｓａｓａｅｉｅｔｓｒｉｙａ
Ａｂｔａｔ：Ｉｒｅｏｓｌｅｔｅｐｏｌｍｆｔｅａｔａｍｐｄｎｃｒｓｎｒｍｎｅａｔｏｓｏｒｖｔｓｒｃｎｏｄｒｔｏｖｈｒｂｅｏｈｃｕｌｉｅａｅａｉｉｇｆｏｉｔｒｃｉｎｆｐｉａｅ
摘
要：了解决私家车和公交车行驶时相互影响条件下的实际阻抗问题，出了一个广为提
义阻抗，即包含车辆行驶时受其他交通模式影响所花费的时间、辆行驶固定的费用（燃油费车如和车辆磨损费等）拥挤收费及由拥挤构成的早到或延迟惩罚的广义阻抗函数。在此基础上，、建
２１００年７月
Ｊ１００ｕ．２１
双模式陈巧萍罗朝晖，，，＇
（．１广西大学数学与信息科学学院，南宁５００；３０４５３０）３００２百色学院数学与计算机信息工程系，．广西百色

次优拥挤收费的随机双目标模型

ｃｏｎｇｅｓｔｉｏｎｐｒｉｃｉｎｇａｓｗｅｌｌａｓａｌｌｅｖｉａｔｉｎｇｃｏｎｇｅｓｔｉｏｎ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｄｅｃｉｓｉｏｎ — ｍａｋｉｎｇｐｒｏｃｅｓｓｓｏｍｅ — ｔｉｍｅｓｈａｓｔｏｂｅｍａｄｅｕｎｄｅｒｕｎｃｅｒｔａｉｎｔｙｗｈｅｒｅｃｅｒｔａｉｎｉｎｐｕｔｓａｒｅｎｏｔｋｎｏｗｎｅｘａｃｔｌｙ．Ｉｎｔｈｉｓｐａｐｅｒｗｅ
ｌｅａｄｓｔｏｉｎｅｑｕｉｔｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｃｏｎｓｉｄｅｒｂｏｔｈｔｏｔａｌｔｒａｖｅｌｔｉｍｅａｎｄｅｑｕｉｔｙａｓｐｌａｎｎｅｒ ’ Ｓｃｏｎｇｅｓｔｉｏｎ
ｐｒｉｃｉｎｇｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｔｏｆｏｒｍｕｌａｔｅｔｈｅｍｏｄｅ１．Ｉｎｔｈｉｓｗａｙ，ｗｅｃａｎｍｉｎｉｍｉｚｅｔｈｅｉｎｅｑｕｉｔｙｃａｕｓｅｄｂｙ
第３７卷第２期
２０１３年４月
北
京
交
通
大
学
学
报
Ｖｏ１．３７Ｎｏ．２
ＡＤｒ．２０１３

交通工程学第七讲交通流理论排队论模型跟弛模型与交通波模型

到来的“顾客”按怎样的规定次序接受服务，主要有3种制式损失制、等待制、混合制
同一时刻有多少服务设施可以接纳顾客，为每一顾客服务了多少时间，服务时间为定长分布、负指数分布、厄尔兰分布
交通工程学第七讲交通流理论排队论模型跟弛模型与交通波模型
5.3 排队论及其应用
3.主要数量指标等待时间：从顾客到达时起到他开始接受
员总是根据前方密度来调整车速
该式表明：观测车随交通流的加速度是密度梯度（）的函数，它从理论上证明了车流的加速减速与车流前方当前方的（）小于零，即前方密度趋于减小时，车流开始加速
交通工程学第七讲交通流理论排队论模型跟弛模型与交通波模型
交通流从高流量高密度低速度区进入低流量低密度高速度区。下游交通状态变好，波阵面向下游传播，并不改善上游交通状态
交通流从高流量低密度高速度区进入低流量高密度低速度区。波阵面向后传播，上游的交通状态受影响变差，如前方遇到障碍时的情况
交通流从低流量高密度低速度区进入高流量低密度高速
度区。波阵面向后传播，上游的交通状态有所改善，如前方阻碍解除时会出现这种状况
交通工程学第七讲交通流理论排队论模型跟弛
模型与交通波模型
2020/11/8
交通工程学第七讲交通流理论排队论模型跟弛模型与交通波模型
统计分布特征
本
排队论及其运用
章
主要
跟驰理论
内
容
交通波理论
可插车间隙理论
交通工程学第七讲交通流理论排队论模型跟弛模型与交通波模型
5.3 排队论及其应用
1.概述
解这是一个M/M/1排队系统
因出入道存车辆为6辆，如果超过6辆的概率很小（通常取小于5%），则认为合适，反之则不合适。

UFMC_系统中基于MMSE-DFE_的均衡器设计

第14期2023年7月无线互联科技Wireless Internet TechnologyNo.14July,2023作者简介:高燕妮(1993 ),女,四川南充人,助教,硕士研究生;研究方向:移动通信技术㊂UFMC 系统中基于MMSE -DFE 的均衡器设计高燕妮(四川邮电职业技术学院,四川成都610067)摘要:通用滤波多载波(Universal Filtered Multi -carrier Technique ,UFMC )作为一种新型多载波技术,采用子带滤波的方式抑制带外辐射㊁实现宽松同步,能够更好地适应机器通信中短小数据包的传输㊂UFMC 系统未引入循环前缀(Cyclic Prefix ,CP ),在多径衰落信道中会产生符号间干扰(Inter Symbol Interference ,ISI )和子载波间干扰(Inter -Carrier Interference ,ICI ),必须设计相应的均衡器来抑制干扰㊂文章在分析多径信道下UFMC 系统干扰的基础上,通过采用判决反馈(Decision Feedback ,DF )抑制时域ISI ,根据最小均方误差(Minimum Mean Squared Error ,MMSE )准则减小ICI 以及噪声的影响㊂仿真验证证明文章研究方法在UFMC 中的应用能够很好地抑制干扰,降低误码率㊂关键词:通用滤波多载波;符号间干扰;载波间干扰;判决反馈均衡;最小均方误差中图分类号:TN929.5㊀㊀文献标志码:A0㊀引言㊀㊀5G 已逐步商业化,与4G 主要关注的移动宽带业务不同,其应用场景和业务类型都更加丰富,主要包括eMBB 业务㊁mMTC 业务㊁uRLLC 业务,多样化业务需求对5G 的波形设计提出了要求[1]㊂正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是一种4G 标准,利用多个非重叠的正交子载波进行信号传输,被用于许多通信,例如3GPP LTE㊁Wi-Fi 和Wi-Max 等㊂严格的正交性使得OFDM 对定时误差和载波频率偏移(Carrier Frequency Offset,CFO)误差敏感,OFDM 通过添加CP 来消除ISI,针对mMTC 业务㊁uRLLC 业务这类短小数据包的传输,这种方式无疑增加了开销,降低了频谱效率[2]㊂目前6G 的研发工作已经启动,6G 中业务类型更加多样化,频谱效率要求更高,连接数更多[3],为了满足6G 在连接数㊁频谱效率㊁时延㊁速率等方面的需求,研究人员提出了多种替代OFDM 的新型多载波:滤波器组多载波(Filter Bank Multi -carrier,FBMC )㊁通用滤波多载波(Universal Filtered Multi -carrier,UFMC)和滤波型的OFDM(F -OFDM)[4]㊂在OFDM 的所有替代波形中,UFMC 被认为是短突发传输的最佳选择,并已在上行链路协调多点(Coordinated Multi -Point,CoMP )场景中成功实现[5]㊂UFMC 被视为介于OFDM 和FBMC 之间的中间技术,它结合了OFDM 的简单性和FBMC 的抗干扰性,UFMC 中的滤波操作是在一组连续子载波上执行的,这大大缩短了滤波器长度,因此,与FBMC 相比,UFMC 实现复杂性以及传输延迟显著降低,同时UFMC 不需要插入循环前缀或保护间隔,从而大大提高了频谱效率[6]㊂与OFDM 添加CP 对抗多径干扰不同,在UFMC 系统中通过滤波形成的缓降区为对抗ISI 提供软保护作用,但在延迟较大时这种软保护效果并不能很好地抑制ISI,同时系统也会因为正交性的破坏而产生ICI [7],采用相应的均衡技术来减小干扰㊁降低接收端信号的误比特率,对提高UFMC 系统的传输性能具有重要的意义㊂目前,针对UFMC 接收机均衡方面,多数采用单抽头均衡,缺乏对ISI 和ICI 的考虑㊂田广东等[8]提出一种基于最小自适应算法(Least Mean Square,LMS)进行干扰消除,其主要考虑频偏引起的ICI 以及子带间干扰(Inter Band Interference,IBI),但对于ISI 严重的信道环境,该算法存在一个启动模式,收敛速度慢㊂余翔等[9]提出一种并行干扰抵消均衡算法,但具体抵消过程中只考虑了部分载波,抑制效果受限㊂本文针对上述问题,在多径信道中UFMC 系统干扰分析的基础上,采用时域判决反馈消除ISI,根据MMSE 准则抑制ICI,最后仿真证明这种方法应用到UFMC 中能够很好地降低误码率,提升系统性能㊂1㊀UFMC 系统模型及干扰分析㊀㊀相较于OFDM 系统,新型多载波UFMC 系统在设计上不添加CP,增加子带滤波环节㊂在OFDM 中添加CP 的目的是减少多径信道带来的干扰,UFMC 在这方面,主要利用滤波形成的缓降区为对抗ISI 提供软保护作用,但当多径延迟较大时,这种软保护效果不及OFDM 中CP 的作用,特别是应用于短突发包传输的场景,对延迟会更加敏感,经过多径信道会产生ISI 以及由于正交性破坏带来的ICI,如图1所示㊂图1㊀UFMC 系统经过多径信道所受ISI 以及ICI㊀㊀UFMC 系统模型如图2所示,UFMC 系统将信号传输的整体频段进行划分,分成B 个子带,设总的子载波数量为N ,每个子带包括N B 个连续子载波㊂频域上每个子带i 进行N 点的IDFT 得到时域信号s i ,输出信号s i 经过长度为L 1的滤波器f i 进行滤波,因为s i 与f i 的线性卷积,最后符号长度变为G =N +L 1-1㊂图2㊀UFMC 系统模型在每个子带经过滤波之后,所有子带信号叠加进行传输,综上输出信号x 可以表示为:x =ðB -1i =0F i D i S i (1)其中,S i 为N 个子载波上调制的频域数据,D i 为N 点IDFT 矩阵D 的第(kN B +1)列到第((k +1)N B )列,矩阵D 中第k 行第n 列元素为d k ,n =1Ne i 2πkn /N㊂F i 为托普利兹矩阵,第一列为f ~i =[f i (0),f i (1),...,f i (L 1-1),01ˑ(N -1)]T ,第一行为[f i (0),01ˑ(N -1)]㊂本文中假设信道为多径频率选择性衰落信道,并且信道系数在一个UFMC 符号期间保持不变,无线多径衰落信道冲击响应为:h n ()=ðL 2-1l =0h l δ(n -τl )=ðL 2-1l =0ρl e j 2πφlδ(n -τl )(2)式(2)中,L 2代表不同路径的数目,ρl 是多径信道的衰落因子,2πφl 为在[0,2π]服从均匀分布的多径随机相移㊂假设接收端用固定的间隔T S 进行采样,在第一条路径(l =0)进行同步,多径延迟τl 为T S 的整数倍,即τl =lT s (l =0,1,...,L 2-1),并且假设UFMC 符号长度大于信道延迟,那么经过多径信道,第M 个符号接收端信号受到的ISI 以及ICI 相应的数学表达式为:y m =Hx m +H isi x m -1+ηm (3)其中,y m 和ηm 为G 维向量,表示接收信号以及噪声的G 点连续采样点,H 和H isi 为G ˑG 矩阵,分别为:H =h 00 0h 1h 00 0︙⋱⋱⋱⋱⋱⋱︙h L 2-1h L 2-2 h 00 00h L 2-1h L 2-2 h 00 0︙⋱⋱⋱⋱⋱⋱︙0 0h L 2-1h L 2-2 h 0éëêêêêêêêêêêùûúúúúúúúúúúH isi=0 0h L 2-1h 10 0h L 2-1 h 1︙⋱⋱⋱⋱⋱︙0 0 0h L 2-10 0 00︙⋱⋱⋱⋱⋱︙00éëêêêêêêêêêêùûúúúúúúúúúúH isi 为前一符号对当前符号的干扰,H 为进行卷积的托普利兹矩阵,也是加重UFMC 载波间干扰的原因㊂因此,为了接收端能够进行正确解调得到发送端数据,必须采用相应的均衡方法来抑制相应的ISI 以及ICI㊂2㊀基于MMSE 的反馈均衡设计㊀㊀加入相应均衡器的UFMC 接收机如图3所示㊂图3㊀DFE -MMSE 接收机其中,Z -1表示延迟一个符号周期,yᶄm 为消除ISI 之后的信号,可以表示为:yᶄm =y m -H isi FD S ~m -1(4)假设接收端能够正确判决,即S ~m -1=S m -1,根据公式(3)和(4)可得:yᶄm =Hx m +ηm (5)接收端通过MMSE 滤波器W f 之后有:x^m =W f yᶄm =W f Hx m +ηm ()(6)误差向量为:e m =x m -x^m =x m -W f yᶄm (7)要使得E e m 2{}最小,根据正交准则有[11]:E e m x ^H m ()=E x m -W f yᶄm ()W f yᶄm ()H ()=0(8)trace x m yᶄH m -W f yᶄm yᶄH m ()W Hf ()=0(9)考虑噪声是均值为零㊁方差为σn 2的高斯白噪声,信号功率为σx 2且噪声与信号之间相互独立,根据式(5)以及迹运算性质有:trace ((-σx 2H H W f (H σx 2H H +σn 2I ))W H f )=0(10)要满足上式,则有:㊀σn 2H H =W f (H σx 2H H +σn 2I )(11)可得:W f =H HHH H +1SNRI ()-1(12)在上述系统设计中,假设符号估计S m -1是无差错的,接收端能够完全消除ISI,然而实际中如果前一个检测的符号包含错误,那么当前符号减去的ISI 部分也存在错误,所以可以考虑采用相应的误差消除方案来提高准确率㊂现在前向纠错(Forward Error Correction,FEC)技术被广泛应用到无线通信系统中,此处可以在硬判决后面添加信道编码模块,相应地在反馈回路中加入信道解码模块,如图4所示,这样便可以克服判决后符号的估计误差过大的问题㊂图4㊀加入FEC 模块的DFE -MMSE 接收机3㊀仿真分析㊀㊀本文仿真的相关参数设置如下:FFT 大小为N =1024,采用QPSK 调制方式,滤波长度为L 1=20,滤波器边带衰减为40dB,子带数目为B =10,瑞利衰落信道路径数为L 2=6,路径最大延迟为τL 2-1=60,图5为两种不同信道(瑞利㊁高斯)下以及瑞利信道中经过MMSE -DFE 均衡后UFMC 系统的误码率㊂从图中可以看出UFMC 系统在经过不加均衡器的多径信道时,会产生较大的误码,而在经过本文设计的均衡器之后,虽然没有完全消除干扰,但误码率随着信噪比的增加明显下降,说明本文设计的均衡器能够在一定程度上提高UMFC 系统性能㊂图5㊀高斯㊁瑞利信道以及均衡后UFMC 系统误码率图6将单抽头均衡器㊁LMS 均衡算法[8]㊁MMSE 均衡算法与本文所用的MMSE -DFE 均衡算法进行对比,分析了在不同信噪比环境下,4种均衡方法的误码率,可以看出单抽头均衡器的性能明显劣于其他3种,对于多径衰落信道而言不能很好地抑制干扰,降低误码率㊂而LMS 算法调节存在启动模式,收敛速度比较慢,当存在较大ISI 时,性能不及MMSE 与MMSE -DFE 均衡算法,但其只存在简单的迭代过程,算法复杂度低㊂而MMSE 与MMSE -DFE 由于存在矩阵的求逆过程,复杂度比较高㊂图6㊀几种不同均衡方法的误码率4　结语㊀㊀本文主要针对多径衰落信道中UFMC系统中的干扰问题,通过采用时域判决反馈消除ISI,考虑此处存在错误累加的因素,加入前向纠错(FEC)模块来提高准确率㊂而对于存在的ICI问题,由于UFMC系统进行线性滤波器,不能再继续使用常用的构建循环矩阵的方式来消除ICI,所以本文根据信道响应矩阵采用基于MMSE的均衡方法来抑制ICI,通过仿真验证,这种方法应用到UFMC系统中能够很好地抑制干扰,降低误码率㊂参考文献[1]LI B,FEI Z,ZHANG Y.UAV communications for5G and beyond:recent advances and future trends [J].IEEE Internet of Things Journal,2018(2): 2241-2263.[2]KUMAR R A,KODATI S parative analysis of OFDM,FBMC,UFMC&GFDM for5G wireless communications[J].International Journal of Advanced ㊀㊀Science and Technology,2020(5):2097-2108. [3]KARTHIK K V,SANDYARANI B,RADHAK RISHNA K.A survey on future generation wireless communications-6G:requirements,technologies,challenges and applications[J].International Journal of Advanced Trends in Computer Science and Engineering,2021 (5):3067-3076.[4]JEAN F D E,JEAN A B,LUC E I,et al. Performance evaluation of FBMC,UFMC,and F-OFDM modulation for5G mobile communications[J].The International Journal of Engineering and Science,2021 (5):1-5.[5]SHAWQI F S,AUDAH L,HAMMOODI A T,et al.A review of PAPR reduction techniques for UFMC waveform[C].20204th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT),IEEE,2020:1-6.[6]SIDIQ S,MUSTAFA F,SHEIKH J A,et al.FBMC and UFMC:the modulation techniques for5G[C].2019 International Conference on Power Electronics,Control and Automation(ICPECA),IEEE,2019:1-5. [7]YARRABOTHU R S,NELAKUDITI U R. Optimization of out-of-band emission using kaiser-bessel filter for UFMC in5G cellular communications [J].China Communications,2019(8):15-23. [8]田广东,王珊,何萍,等.基于LMS算法的UFMC 系统自适应干扰消除[J].电子技术应用,2016(7): 21-25.[9]余翔,高燕妮,段思睿.基于并行干扰抵消的UFMC系统信道均衡[J].计算机应用研究,2019(8): 2496-2499,2503.(编辑㊀王雪芬)Design of equalizer based on MMSE-DFE in UFMC systemGao Yanni Zhang Qinqin Leng WeiSichuan Vocational and Technical College of Posts and Telecommunications Chengdu610067 ChinaAbstract As a new multicarrier technology the Universal filtered multi carrier UFMC technique can reduce out of band radiation achieve loose synchronization by sub-band filtering it more efficiently support short burst packet transmission in the machine type communication.The UFMC system does not introduce cyclic prefix CP which will generate inter symbol interference ISI and inter-carrier interference ICI in multipath fading channels.The corresponding balancer must be designed to suppress the interference.On the basis of analyzing the UFMC system interference in multipath fading channels this article uses decision feedback DF to suppress time domain ISI and reduce the impact of ICI and noise according to the minimum mean squared error MMSE criterion.The simulation results show that this method can be applied to UFMC to suppress interference and reduce bit error rate.Key words UFMC intersymbol interference inter-carrier interference decision feedback MMSE。

基于元胞传输模型的动态拥堵收费最优费率计算方法[发明专利]

专利名称：基于元胞传输模型的动态拥堵收费最优费率计算方法
专利类型：发明专利
发明人：刘志远,王路濛,程启秀,俞俊
申请号：CN201810418436.0
申请日：20180504
公开号：CN108830401A
公开日：
20181116
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于元胞传输模型的动态拥堵收费最优费率计算方法，本发明提出的基于元胞传输模型的动态拥堵收费最优费率计算方法相比于已有的算法，更加公平有效，得出的最优费率使整个路网的时间消耗最小；本发明中采用的基于路径的元胞传输模型与原始的元胞传输模型相比，拥有无需计算元胞等待时间等优点，使得计算更加简便高效，当本发明应用在较大的城市区域中时，可以大幅节省整个路网系统的总出行时间。

申请人：东南大学
地址：211189 江苏省南京市江宁区东南大学路2号
国籍：CN
代理机构：南京苏高专利商标事务所(普通合伙)
代理人：王安琪
更多信息请下载全文后查看。

均值-LPM模型在发电商资产组合中的应用

均值-LPM模型在发电商资产组合中的应用周自强;颜拥;文福拴【摘要】在电力市场环境下,发电商面临如何在不同市场中分配发电量来达到利益最大化,并且使风险最小或者将风险控制在一定的范围之内.详细分析了发电商资产组合问题,并且建立了含无风险资产的均值-LPM模型来解决该问题.基于期望效用原则、随机占优理论和收益-风险理论,常用的风险度量指标(如方差、VAR及CVAR等)最理想的情况也只是和二阶随机占优理论一致,而二阶LPM是和三阶随机占优相一致的,因此LPM构建的效用函数最能反映出投资者的心理过程.最后采用真实市场数据进行算例分析,结果表明均值-LPM模型能有效分配资产比例和控制市场风险.【期刊名称】《浙江电力》【年(卷),期】2018(037)001【总页数】7页(P1-7)【关键词】电力市场;风险管理;Copula函数;LPM;随机占优;资产组合;相关性度量【作者】周自强;颜拥;文福拴【作者单位】国网浙江省电力有限公司电力科学研究院,杭州 310014;国网浙江省电力有限公司电力科学研究院,杭州 310014;浙江大学电气工程学院,杭州 310027【正文语种】中文【中图分类】F123.70 引言在电力市场环境下，发电商面临如何在日前市场、实时市场、合同市场、备用市场等市场中分配发电量来达到利益最大化，并且使风险最小或者将风险控制在一定的范围之内。

资产组合理论是研究发电商资产分配问题的有效方法，文献[1]首先将资产组合理论应用于现货市场和合约市场的出力分配问题。

在Markowitz均值-方差模型中，风险被定义为资产组合期望收益的可能变化，一般用方差或标准差表示[2-3]。

用方差或标准差度量风险隐含的假设是投资者对负的损失和正的收益赋予相同的权重，对待二者的态度是相同的。

采用收益的方差或标准差来描述风险只有在投资者具有二次效用函数或资产收益率呈正态分布时才是可行的，而电力市场中资产收益服从哪种分布目前尚无定论，因此亟需一种更有效的度量方法。

emmebrochure

为世界上最高要求的模型师服务的交通需求预测软件
The Evolution of Transport Planning 交通规划革新
为世界上最高要求的模型师服务的交通需求预测软件
强大、成熟
Emme提供独特灵活的开放式建模方法，允许用户自由地改变已有技术或开创新的方法来满足当地的需求。建模师和规划师使用Emme已经有20多年的历史了，今天Emme 已成为世界上顶尖交通规划模型的代表。
劳动力可达性停车换乘
矩阵平衡过程
二维及三维Emme矩阵平衡过程为执行变化的空间影响或出行分布模型提供了结构单元；因为Emme除了完整的程序以外还提供了这些基本工具，用户可以根据自己的需要定制或创建不同应用。二维矩阵平衡过程为建模者提供了一系列Emme自带的聚合出行分布模型。例如，用Emme矩阵计算器来准备矩阵输入、然后直接执行增长系数、熵或者重力出行分布模型。无论使用何种模型修正方法, 建模者都可以自由地运用Emme 的其它工具，比如使用矩阵计算来平衡产生量和吸引量, 使用交通分配来提供反馈效果等。Emme的三维矩阵平衡过程可以进一步完善分布模型，通过添加附加约束，实现更为复杂的需求分布模型，例如除了产生和吸引约束外，添加一个已知的出行时间分布、一组校核线流量数据等约束条件。
公交线路数据图表
公交线路拥挤状况
策略分析
Emme策略分析功能和Emme路径分析一样作为Emme的公交分配补充工具，可以解决一大类涉及到分析公交策略的公交规划问题。执行公交分配时，可以联合使用一整套复杂的策略集关键词和操作符，来进行公交策略分析，如推算距离矩阵、选定路段或选定路线分析、站到站的出行矩阵、线到线换乘矩阵、或者进行相对与所需费用结构的费用矩阵计算, 无论该费用会或不会影响出行者的路径选择。

一种基于通信膜计算的拥堵道路收费模型

一种基于通信膜计算的拥堵道路收费模型
黄宇达;魏霞;赵红专;王迤冉
【期刊名称】《微型电脑应用》
【年(卷),期】2017(033)004
【摘要】针对城市交通拥堵问题,提出了一种利用并行通信膜计算原理的拥堵道路使用收费模型(CMC_ DTAM).在考虑拥堵收费的情况下,建立了出行者的出行决策算法,出行者在交通膜计算中动态进化,外部可以通过调整收费参数来影响出行者决策,进而影响整个系统进化.对CMC_DTAM模型进行了仿真并将该模型与基于粒子群算法的拥堵收费模型(PSO_DTAM)在同一参数条件下进行了比较,仿真实验结果不仅验证了前者的有效性和可行性,而且表明了前者由于考虑了出行者的动态决策,故相对后者则更为符合客观真实情况.
【总页数】5页(P4-8)
【作者】黄宇达;魏霞;赵红专;王迤冉
【作者单位】周口职业技术学院信息工程学院周口466000;周口职业技术学院信息工程学院周口466000;三峡大学理学院宜昌443002;重庆大学自动化学院重庆400044;周口师范学院网络工程学院周口466000
【正文语种】中文
【中图分类】TP18;U491
【相关文献】
1.交通拥堵下基于实时交通信息的路径选择模型 [J], 刘艳秋;刘博
2.一种基于神经网络模型的计算机通信网络迟延和流量分配新算法 [J], 张顺颐;邵艾青
3.一种DNA计算机与电子计算机之间的通信模型 [J], 朱莹;丁永生;李汪根
4.基于博弈视角的交通信息提供与道路收费联合定价模型 [J], 袁鹏程;隽志才
5.一种基于场强预测模型的通信对抗侦察距离计算方法 [J], 姜涵; 王斌
因版权原因，仅展示原文概要，查看原文内容请购买。

基于收费数据的高速公路交通拥挤自动判别方法

基于收费数据的高速公路交通拥挤自动判别方法杨聚芬;姜桂艳;李琦【摘要】In view of increasingly serious traffic congestion on freeway, a synthesis method of travel time date was proposed based on the rolling time sequence and charging data, and on which this paper built a traffic congestion index and estimated the duration time according to the changing characteristics of the index. Moreover, taking the spatial and temporal characteristics of toll station layout into account, a method of automatic traffic congestion identification on freeway was designed by merging basic links with composite links. Empirical analysis shows that this method can improve the recognizing rate to 96.52%and reduce the false recognizing rate to 0.43%, at the same time, the recognizing time is declined by 74%, and the cost of charging date is zero.%针对高速公路交通拥挤日益严重的现象，通过对收费数据的深层挖掘和高效利用，提出了基于滚动时间序列的行程时间数据合成方法，以此为基础构建了交通拥挤指数，并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计；结合收费站布局的时空特征，设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法．实证分析表明，该方法在判别率提高到96．52％，误判率降低到0．43％的同时，判别时间减少了74％，而且收费数据的获取成本为零．【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2014(000)012【总页数】6页(P108-113)【关键词】交通工程;数据合成;交通拥挤;自动判别;收费数据【作者】杨聚芬;姜桂艳;李琦【作者单位】吉林大学交通学院，130022 长春;宁波大学海运学院，315211 浙江宁波;青岛市城市规划设计研究院，266071 山东青岛【正文语种】中文【中图分类】U491.1高速公路是我国重要的交通运输通道，高速公路的飞速发展，极大地改善了交通系统的运输效益和居民的出行效率.但是随着交通需求的日益增长，高速公路交通拥挤问题变得越加严重.交通拥挤导致出行成本增大、交通事故频发以及环境质量恶化等不良后果，给社会的可持续发展带来了巨大危害.因此，开展高速公路交通拥挤自动判别［1］（automatic congestion identification，ACI）算法的研究对于及时疏导交通拥堵、减少交通拥堵持续时间具有重大实践意义和实用价值.ACI算法指的是利用各种实时采集到的交通数据，依据相关理论与方法，进行快速识别，从而得到交通拥堵发生的时间、地点等信息.依据交通信息获取方式的不同，目前ACI算法主要包括基于检测器数据的ACI算法［2-3］、基于GPS浮动车数据的ACI算法［4-5］、基于车牌识别的ACI算法［6］和基于仿真数据的ACI算法［7-8］等.每一种ACI算法都能实现交通拥堵的自动识别，并能获得较好的识别效果.但是，由于线圈检测器覆盖率较低，且铺设成本耗资较大；GPS浮动车数据受天气影响大；车牌识别的工作量较大；仿真数据的可移植性又有待考察.所以上述4种ACI算法都不是高速公路交通拥堵识别的最优选择.高速公路都配有收费站、联网收费中心等一体化收费管理系统，由此产生了大量的收费数据.目前收费数据的应用仅限于简单的查询服务和统计分析，缺少多角度的深度挖掘和全方位的实践应用，造成了交通信息资源的大量浪费［9］.为此，本文以实时收费数据为基础，针对固定时间尺度合成存在较大时间延迟的不足，构建了一种基于滚动时间序列的行程时间数据合成方法.然后结合交通流由顺畅到阻滞再到拥堵期间交通拥挤指数的发展趋势和变化特征，提出了基于收费数据的交通拥挤自动判别算法.考虑到收费站布局的时空特征，设计了基本路段和复合路段融合的交通拥挤自动判别方法.最后采用沪杭甬高速公路的实测收费数据对其进行了实例验证和对比分析.收费数据全天候记录了所有进出高速公路车辆的出行属性、车辆属性和付费方式等信息，表1为沪杭甬高速公路的收费数据样例.从表1可看出，离开时刻减去进入时刻再减去付费时间，即为车辆在高速公路上的行程时间.对特定的车辆k，进口编号为i，进口时刻为ti（k），出口编号为j，出口时刻为tj（k），假定付费时间为常数C，则该车辆行程时间ti，j（k）计算公式为交通流具有随机波动特征，导致正常交通状态下相同进出口车辆的行程时间数据会出现上下浮动的现象，并且采样时间间隔越小，其波动性越大.为了减少交通波动带来的负面影响，可将原始行程时间数据序列进行固定时间尺度合成［10］.例如原始行程时间数据序列是每隔1min采样一次得到的平均行程时间，如果将其合成间隔为5min采样一次的平均行程时间，其原理是在原始行程时间序列中每隔5个采样时间间隔对其内连续5个原始行程时间数据进行一次平均，合成后的输出时间点为第5个原始行程时间数据采样间隔结束后的时间点.虽然固定时间尺度合成可减少行程时间数据波动性的不利影响，但同时增加了交通拥挤平均判别时间.为了克服固定时间尺度合成存在的不足，本文构建一种基于滚动时间序列的行程时间数据合成方法.其原理是在原始行程时间序列中每隔1个采样时间间隔对连续5个原始行程时间数据进行一次合成，合成后的输出时间点为第5个原始行程时间数据采样间隔结束后的时间点.两种合成方法如图1所示.2.1 基于收费数据的ACI算法原理每隔一个采样间隔都采用以上基于滚动时间序列的行程时间序列合成方法获得行程时间合成数据.由交通流理论可知，交通状态由顺畅到阻滞再到拥堵的过程中，路径行程时间逐渐增大，路径行程速度呈逐渐下降，为了能够单调地表达路段交通拥挤程度，本文将车辆行程速度的倒数作为交通拥挤判别指数，即式中：为第q个时间间隔路径Li，j的交通拥挤指数；li，j为路径Li，j的长度；tqi，j为第q个时间间隔路径Li，j的平均行程时间．按照文献［11］设计的路段交通拥挤量测标准及其确定方法，根据高速公路交通管理的需要确定相应的阻滞状态和拥堵状态量测的标准，并分别记为γ1和γ2，则式中：j为路段在第q个时间间隔的交通状态确定值；1、2、3分别代表畅通、阻滞、拥堵状态．本文把交通阻滞状态和拥堵状态统称为交通拥挤，依据以上交通拥挤判别原理对某交通拥挤路段的收费数据进行自动判别，得到判别结果如图2所示.2.2 交通拥挤持续时间在线更新方法从图2可看出，当交通流从顺畅到拥挤再到恢复正常的过程中，交通拥挤指数先增大后降低.即当交通流运行顺畅时，交通拥挤指数保持为1不变；当开始发生拥挤时，交通拥挤指数由1增大为2或3；拥挤持续期间，交通拥挤指数为2或3；当交通拥挤结束时，交通拥挤指数由2或3减小为1.基于这种变化特征，可构建交通拥挤持续时间在线更新算法，算法主要思想如下：1）当检测到当前分析时间段q内的交通拥挤指数为1时，直接输出交通流运行顺畅．2）当检测到当前分析时间段q内的交通拥挤指数为2时，如果当前分析时间段q与前一分析时间段q-1的交通拥挤指数之差1，那么即可判断当前分析时间段开始发生交通拥挤，拥挤持续时间Tq=t，t为分析时间间隔；否则，判断结果为当前分析时间段处于交通拥挤持续阶段，且截至当前分析时段已经持续的拥挤时间为Tq=Tq-1+t，其中Tq-1为从交通拥挤发生到前一分析时间段为止的交通拥挤持续时间．3）当检测到当前分析时间段q内的交通拥挤指数为3时，如果当前分析时间段q与前一分析时间段q-1的交通拥挤指数之差2，那么即可判断当前分析时间段开始发生交通拥挤，拥挤持续时间Tq=t．否则，判断结果为当前分析时间段处于交通拥挤持续阶段，且截至当前分析时段已经持续的拥挤时间为Tq=+t．高速公路上行驶的每一辆车都必须通过收费站才能进出，本文把相邻两个收费站之间的高速公路定义为基本路段，非相邻收费站之间的高速公路定义为复合路段，具体如图3所示，实曲线覆盖的路段L0，1、Li-2，i-1、Li-1，i为基本路段，虚曲线覆盖的路段Li-1-b，i-1、Li-2，i-1、Li-1-b，i为复合路段．从时间方面看，由于车辆离开高速公路后才能获得其收费数据，所以基本路段能更快地获取实时收费数据，而复合路段由于通过时间较长，采集到的动态收费数据时间延迟较长.从空间方面看，由于基本路段距离较短，短途出行者很少选择收费道路，导致基本路段上的车辆数较少.而复合路段一般覆盖多个基本路段，车辆数较多.O-D对间观测车辆数越大，获取的平均路径行程时间可靠性水平越高，当车辆数低于某一阈值时，将导致平均行程时间可靠性水平降低，为了提高输入数据的可靠性，本文将路径行程时间的可靠性按照通过的车辆数依次从大到小排序为：车辆数大于等于3、车辆数为1或2、车辆数为0.为了能够优先使用可靠性高的行程时间数据进行交通拥挤自动判别，本文以车辆数为核心，综合考虑收费站布局的时空特征，设计一种基本路段和复合路段融合的交通拥挤自动判别方法．其原理主要是针对基本路段Li-1，i，判断Li-1，i上的车辆数是否符合数据可靠性要求，如果符合，则可直接对基本路段Li-1，i进行交通拥挤在线判别；否则联合分析Li-1-a，i和Li-1-a，i-1的判别结果，推导出Li-1，i的拥挤状态．考虑到路径太长将导致交通拥挤在线判别产生较大的信息延迟，故a最大取1或2．设某条高速公路主线上共I+1个收费站，收费站标号如图3所示，在第q个分析时间间隔内，令a=2，为在第q个分析时间间隔内从第i个收费站到第j个收费站之间观测车辆数，对于出口E= i，其基于收费数据的高速公路ACI算法流程如下．第1步，判断≥3是否成立．成立转第2步，否则转第3步．第2步，计算．当=1时，则输出交通流运行顺畅，转第11步．当=2时，若= 1，则输出路段上开始形成拥挤，拥挤持续时间为T=t；否则，输出路段正处于拥挤状态，更新拥挤持续时间为T=T+t，转第11步．当I=3时，若2，则输出路段上开始形成拥挤，拥挤持续时间为T=t；否则，输出路段Li-1，i正处于拥挤状态，更新拥挤持续时间为T= T+t，转第11步．第3步，判断0＜＜3是否成立．若是，则寻找其复合路段令b=1，转第4步；否则，转第7步．第4步，判断≥3是否成立．当≥3不成立时，判断b是否小于a，若是，则令b=b+1，转第4步，否则转第2步．当≥3成立时，计算若=1，则输出路段上交通流运行顺畅，转第11步；若≠1，则判断≥3是否成立，若是，则转第5步，否则，比较b和a的大小，b＜a则令b=b+1，转第4步，b≥a则转第2步．第5步，计算判断=1是否成立，若是，则转第6步；否则转第2步．第6步，当2时，若=1，则输出路段上开始形成拥挤，拥挤持续时间为T=t；否则，输出路段Li-1，i正处于拥挤状态，更新拥挤持续时间为T=T+t，转第11步．当= 3时，若Δ2，则输出路段开始形成拥挤，拥挤持续时间为T=t；否则，输出路段正处于拥挤状态，更新拥挤持续时间为T=T+t，转第11步．第7步，当0时，判断=0是否成立．若是，则转第8步；否则转第9步．第8步，判断b是否小于a．若是，则令b=b+ 1，转第7步；否则，输出“无信息”．第9步，计算当1时，输出路段交通运行顺畅；否则，转第10步．第10步，确认是否为0．若是，则转第8步；否则，计算，若=1，转第6步，若≠1，则输出“无信息”，转第11步．第11步，令q=q+1，转第1步．综上所述，本文设计的基于收费数据的高速公路ACI方法流程如图4所示.对于第1个出口E=1，由于其上游只有一个收费站入口，故不存在可供联合分析的复合路段，当n0，1≠0时，只对其基本路段L0，1进行交通拥挤在线判别，否则，输出“无信息”．对于第2个出口E=2，只考虑a=1的复合路段L0，2．实证数据来源于浙江省沪杭甬高速公路收费站，采样时间为2011年12月至2012年2月，每天的24 h数据.实验区域共包括21个收费站，各收费站位置及编号如图5所示.由于受到传输线路故障、驾驶员驾驶行为异常等因素的影响，结算中心返回的数据可能存在异常记录，所以获得收费数据后，应首先将缺失数据、错误数据和极端离群值等异常数据进行剔除处理.判别性能采用判别率RI、误判率RFI和平均判别时间TM3个评价指标进行评价．拥挤状态判别率是指在某特定时间段内，由算法检测出的拥挤次数占实际发生拥挤次数的百分数；拥挤状态误判率是指在某特定时间段内，由算法检测出的虚假拥挤次数占实际发生拥挤次数的百分数；拥挤状态平均判别时间是指由算法检测出的拥挤发生时刻与拥挤实际发生时刻差值的算术平均值．采用该两种方法进行交通拥挤判别，方法1为基于固定时间尺度合成的基本路段和复合路段融合ACI算法，方法2为基于滚动时间序列合成的基本路段和复合路段融合的ACI算法，两种方法分别得到的判别性能计算结果见表2.从表2中可看出基于滚动时间序列合成行程时间数据的交通拥挤判别算法不仅将判别率提高到96.52%，将误判率降低到0.43%，同时判别时间减少了74%，改善了交通拥挤自动判别的准确性和实时性.图6、7分别为2012年2月9日路径1053—1027和1023—1027的行程时间以及车辆数.从图6、7可得出，路径1053—1027和1029—1027的行程时间和车辆数的趋势性基本一致，表明当基本路段路径行程时间不可靠时，可利用其复合路段路径行程时间进行交通拥挤自动判别的合理性.表3为各个基本路段上平均的交通拥挤时间TP，以及本文算法在顺畅状态和拥挤状态下的判别性能评价参数.从表3可看出，基本路段1033—1031的平均拥挤时间最长，主要是因为该路段通往机场，进出高速公路车辆频繁；基本路段1027—1053的平均拥挤时间最短，主要是因为该路段距离较短，路况较好.另外从表3可看出，本文算法在顺畅状态下的判别性能优于拥挤状态下的性能.1）针对目前收费交通数据利用率偏低的现状，提出了基于收费数据的高速公路交通拥挤自动判别算法，具有较好的判别效果.2）提出的基于滚动时间序列的交通参数合成方法不仅改善了已往数据合成方法存在时间延迟大的缺陷，还为进一步深度的数据挖掘提供了一定的技术支持.3）针对高速公路收费站布局特征和交通流运行特点设计的基本路段、复合路段融合ACI算法较大地改善了高速公路交通拥挤自动判别性能，同时判别时间减少了74%，实现了低成本监测高速公路交通运行状况的目标，为今后高效利用多源交通数据构建综合交通信息平台奠定了基础.【相关文献】［1］姜桂艳.道路交通状态判别技术与应用［M］.北京：人民交通出版社，2004：160-168. ［2］YANG S.On feature selection for traffic congestion prediction［J］.Transportation Research Part C：Emerging Technologies，2013，26（1）：160-169.［3］庄斌，杨晓光，李克平.道路交通拥挤事件判别准则与检测算法［J］.中国公路学报，2006，19（3）：82-86.［4］ZHANGYongchuan，ZUOXiaoqing，ZHANG Liting，et al. Traffic congestion detection based on GPS floating：car data［J］.Procedia Engineering，2011，15（1）：5541-5546.［5］TAYLOR M A P，WOOLLEY JE，ZITO R.Integration of the global positioning system and geographical information systems for traffic congestion studies［J］. Transportation Research Part C：Emerging Technologies，2000，8（1）：257-285.［6］姜桂艳，常安德，牛世峰.基于车牌识别数据的交通拥堵识别方法［J］.哈尔滨工业大学学报，2011，43（4）：131-135.［7］ARNOTTR.A bathtubmodelof downtown traffic congestion［J］.Journal of Urban Economics，2013，76（7）：110-121.［8］OTSUBO H，RAPOPORT A.Vickrey’smodel of traffic congestion discretized［J］.Transportation Research Part B：Methodological，2008，42（10）：873-889.［9］沈强.基于高速公路收费数据的路网运行状态评价［J］.公路交通科技，2012，29（8）：118-126.［10］王秋兰.短时交通参数多步预测方法研究［D］.长春：吉林大学，2012.［11］王春娥.城市道路交通状态判别算法研究［D］.长春：吉林大学，2008.。

城市道路交通状态评价指标体系

第一章绪论1.1 研究背景1.1.1问题的提出改革开放以来，随着我国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。

近20年，内地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。

这些负面效应使得社会外部成本增高，危害了人类的经济利益和健康安全，更不符合建设和谐交通的目的。

因此，从科学的角度对城市道路拥挤的根本原因进行深入分析显得格外重要。

建立完善的、符合我国国情的交通拥挤识别体系并合理运用成为当务之急。

1.1.2 研究意义我国是一个人口众多的发展中国家。

自1991年以来，我国的经济发展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。

1.2国内外研究现状1.2.1拥挤识别研究现状到目前为止，国内外对很多学者研究开发了许多的 ACI 算法。

加利福尼亚算法。

通过比较邻近检测站之间的交通参数数据，对可能存在的突发交通事件进行判别，由此确定交通拥挤的发生。

基于遗传算法的随机路网次优拥挤收费模型

ｂｉ — ｌｅｖｅｌｐｒｏｇｒａｍｍｉｎｇｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｂｏｔｈｔｈｅｒｅｌｉａｂｉｌｉｙｔａｎｄｔｈｅｕｎｒｅｌｉａｂｉｌｉｔｙｏｆｔｒａｖｅｌｔｉｍｅｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｅｕｐｐｅｒｌｅｖｅｌｍｏｄｅｌ，ｔｈｅ
型。上层模型以最大化路网社会福利为目标，下层模型为弹性需求期望－超额交通平衡模型。鉴于双层规划模型的复杂性，设计遗
传算法求解该模型。仿真结果表明，使用遗传算法求解该模型是可行的，运行５Ｏ代后，算法可收敛至目标值。
关健词：交通经济；次优拥挤收费；双层规划；遗传算法；随机路网
ｉｓａｌａ＿ｅｌａｓｔｉｃｄｅｍａｎｄｍｅａｎ — ｅｘｃｅｓｓｔｒａｉｃｆｅｑｕｉｌｉｂｒｉｕｍｍｏｄｅ１．Ｉｎｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｂｉ — ｌｅｖｅｌｐｒｏｇｒａｍｍｉｎｇｍｏｄｅｌ，Ｇｅｎｅｔｉｃ
２．ＥｍｅｉＢｒａｎｃｈ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｅｍｅｉｓｈａｎ６１４２０２，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］Ｉｎｖｉｅｗｏｆｔｒａｖｅｌｅｒｓ ’ ｒｉｓｋａｖｅｒｓｉｖｅｒｏｕｔｅｃｈｏｉｃｅｂｅｈａｖｉｏｒｓｕｎｄｅｒａｓｔｏｃｈａｓｔｉｃｒｏａｄｎｅｔｗｏｒｋ，ａｓｅｃｏｎｄ－ｂｅｓｔｃｏｎｇｅｓｔｉｏｎｐｒｉｃｉｎｇ

138-基于收费数据的高速公路车辆超时行为辨识模型

基于收费数据的高速公路车辆超时行为辨识模型许一达1,2季楠1,2于海生3（1.北京航空航天大学交通科学与工程学院,车路协同与安全控制北京市重点实验室,北京100191；2.北京航空航天大学大数据科学与脑机智能高精尖创新中心，北京，1001913.吉林省高速公路管理局，长春130022）摘要：高速公路车辆超时行为是指车辆在高速公路上停留时间超出地方法规规定时间的行为。

由于我国法律并未对高速公路行驶时长做出具体规定，关于高速公路超时行为及其惩处是否合理的讨论从未停止。

本文从现有地方制度入手，分析了高速公路车辆超时的几种原因及解决途径，最终根据收费站收费数据建立了高速公路车辆超时行为的识别模型。

该模型可以从一定程度上避免因交通拥堵等导致的超时误判并对并可为车辆高速公路逃费行为的事后稽查提供重要帮助。

关键词：数据挖掘，高速公路收费数据，车辆超时行为，决策树分类Identification Model of Highway Vehicle Timeout Based on Toll DataXu Yida1,2Ji Nan1,2Wu Chao1,2（1. School of transportation science and engineering, Beijing university of aeronautics and astronautics, Beijing key laboratory of vehicular road coordination and safety control, Beijing 100191, China;2. Big data science and high precision innovation center, Beijing university of aeronautics and astronautics, Beijing100191, China3.Jilin Provincial Expressway Administration,Changchun 130022.）Abstract:Highway vehicle overtime behavior refers to the behavior of vehicles staying on the highway for more than the time specified by local regulations.The discussion on whether the highway overtime behavior and its punishment were reasonable has never stopped since our country did not make specific provisions on the travel time of the highway. This paper starts with the existing local system, analyzes several reasons and solutions of highway vehicle timeout and finally establishes the identification model of highway vehicle timeout behavior based on the toll data. The model can avoid the timeout misjudgment caused by traffic congestion and provide important efforts for the after-the-fact inspection of the vehicle highway evasion behavior.Keywords：Data Mining，Highway Toll Data，Vehicle Timeout Behavior, Decision Tree Classification1高速公路车辆超时行为随着我国高速公路里程与机动车保有量的增长，高速公路正在成为人们日常出行最为便捷高效的选择之一，与此同时，高速公路车辆超时的行为逐渐进入了人们的视野。

基于排队论模型的收费站优化设计

随着经济不断发展，人们的日常生活节奏不断加快，需要避免把时间浪费在不必要的事情上，比如等待排队，应该花更多的时间去创造更多的价值。基于这样的社会背景，有必要系统地评估高速公路收费站设计。众所周知，高速公路收费站总是浪费时间。除了司机在等待收费亭的时间浪费，如果车辆迅速增加，更容易造成交通堵塞（瓶颈）。如何合理的设计收费站是一个急需解决的问题。
间是无限的。
下面讨论了这个排队系统的平滑分布。本文认为，在系统达到稳定状态后，队列长度ｎ的概率分布等于（ｎ＝１，２，…）。设收费站数目为Ｂ。通过公式推导表明，繁忙收费站平均数目并不取决于收费站数目Ｂ。
摘要本文从形状、尺寸、组合等因素入手，以减少等待时间与不必要的费用为目的，设计了一个新型高速公路收费站首先，在系统稳态的基础上，运用排队论模型建立收费站车辆行为模型的基本模型。其次，利用元胞自动机算法模拟了四种不同轮廓下的交通流，并分析了它们对拥塞的抵抗能力。最后，进行了遗传算法优化分析，最大限度地提高了吞吐量，降低了成本，提出一种新型的具有双重停车和互惠共享车道的高速公路收费站方案。关键词排队论模型；元胞自动机算法；遗传算法；高速公路收费站中图分类号ＴＰ２文献标识码Ａ文章编号２０９５－６３６３（２Ｏ１７）１５－００１Ｏ－０１

一种收费站排队模型的模拟实现

一种收费站排队模型的模拟实现
马海云
【期刊名称】《中央民族大学学报（自然科学版）》
【年(卷),期】2017(026)001
【摘要】对于简单的排队系统,可以直接用排队理论的相关公式来研究,当排队系统到达间隔时间和服务时间的概率分布很复杂时,就需用计算机模拟来求解.利用交通流量对时间的函数F(t),对排队模型进行计算机模拟,并给出了相应的算法和仿真实现.
【总页数】4页(P48-51)
【作者】马海云
【作者单位】天水师范学院电信学院,甘肃天水741001
【正文语种】中文
【中图分类】TP311
【相关文献】
1.单排队模型的随机模拟 [J], 詹晓琳;张瑜
2.基于排队模型的病人流程优化模拟 [J], 余敏
3.基于M/G/K排队模型的高速公路收费站设置方法研究 [J], 张晋伟;邹云;武立超
4.带优先权与不耐烦顾客排队模型的模拟仿真 [J], 秦海林;刘建民
5.一种模拟干扰下的雷达模拟目标实现方法 [J], 沈英;何海;华文艺;王琦龙
因版权原因，仅展示原文概要，查看原文内容请购买。

基于势博弈的拥堵收费双层定价模型

Optimization and Analysis of Congestion Pricing Model Based on Potential Game 作者：刘鹏煌[1]
作者机构： [1]上海大学管理学院,上海200444
出版物刊名：物流科技
页码： 109-115页
年卷期： 2020年第5期
主题词：拥堵收费;公交补贴;势博弈;双层规划
摘要：文章考虑拥堵收费定价及其不公平性问题,采用双层规划和博弈论结合的方法构建拥堵收费定价模型,考虑到双层规划不易求解,运用势博弈理论证明下层非合作博弈存在Nash均衡,基于博弈方的策略偏差和简单策略偏差将双层规划转化成单层规划,再结合具体的算例分析无收费无补贴、有收费无补贴和有收费有补贴三种情形下各类出行者的出行成本、路网的总出行成本和POA值。

结果表明拥堵收费和公交补贴均能有效减少各类出行者的出行成本和路网总出行成本,并提高出行者的出行决策效率,且拥堵收费和公交补贴同时实施效果最佳。

城市交通拥挤收费：原理、要件与模型

城市交通拥挤收费：原理、要件与模型赵蕾【摘要】交通拥挤收费是交通需求管理（TDM ）的关键内容之一，其基本原理，即边际成本定价理论认为，交通拥挤的根本性原因在于出行者产生的边际个人成本（M PC ）与边际社会成本（M SC ）之间的差值。

依托价格机制实现M PC与M SC的平衡与一致，可以促使交通流量的理性回归（道路资源的合理利用），从而有效缓解交通拥挤。

交通拥挤收费的操作方案通常涉及两个核心要件：收费对象要件指向在拥挤时段进入拥挤区域或路段的出行成本（包括消耗的时空资源和动力资源等）较高的出行者；收费标准要件一般包括交通拥挤临界点的算定、拥挤收费的时间限定与区域限定，以及在拥挤区域内车辆行为的限定。

基于上述研究，可以得出在特定时段和目标区域内，适用于不同出行者的、基于出行成本考量与选择的拥挤收费通用模型。

%Traffic congestion charging is one of the core contents of TDM ,and it is based on marginal cost pri‐cing theory .The theory regards the difference between MPC and MSC as the fundamental reason for traffic congestion ,and thinks that the balance of MPC and MSC ,relying on the price mech anism ,can realize a reason‐able usage of traffic resources and ease traffic congestion effectively .The plan of traffic congestion charging in‐volves two core elements :the charging objects include the travelers who pay more cost and enter crowded areas at congestion time;the charging standards include the definition of the traffic congestion ,the qualification of congestion time ,the congestion regional and the vehicle behavior .Based on the above study ,we can get the u‐niversal congestion charging model in the specific time and target areaconditions ,which applies to different travelers based on consideration and choice of their cost .【期刊名称】《大连理工大学学报（社会科学版）》【年(卷),期】2016(037)004【总页数】6页(P125-130)【关键词】交通拥挤;收费;原理;要件;模型【作者】赵蕾【作者单位】上海大学管理学院，上海200444【正文语种】中文【中图分类】D03520世纪以来，在经历了无数个“拥挤—扩建—拥挤”的治理怪圈之后，旨在更加科学的管理和有效利用现有交通资源的交通需求管理(TDM)理论引起了人们的关注。

基于预期后悔理论的拥挤收费模型与算法研究

基于预期后悔理论的拥挤收费模型与算法研究随着经济的飞跃式发展,城市化水平不断提高,城市规模逐渐扩张,交通拥挤问题日益突出。

在路网内实施交通拥挤收费已成为管理和调节交通需求的有效工具。

交通拥挤收费通过向驶入拥堵区域或者拥挤路段的车辆收取一定费用,调节出行者的路径选择行为,将OD对的交通需求量合理分配到各个路径中,减少交通负荷,缓解交通拥挤状况。

本文在预期后悔理论的基础上,分别针对对称网络中固定需求情形和非对称网络中弹性需求情形建立了拥挤收费双层规划模型。

对于对称网络中固定需求的拥挤收费模型,上层规划问题为最小化路网总体运行时间,下层规划问题为基于预期后悔理论的用户均衡配流问题,该双层模型采用Frank-Wolf算法与遗传算法相结合的方法求解,即对不同的收费方案,利用Frank-Wolf算法来求解下层模型以得到对应的平衡路径流,再将其带入上层模型得到路网总体运行时间,以此利用遗传算法求得最优收费方案。

对于非对称网络中弹性需求的拥挤收费模型,上层模型为最大化路网上交通出行带来的社会经济效益,下层模型中在路径选择时考虑了预期后悔理论,建立了一个新的用户均衡模型,并将其归结为一个非线性互补问题。

在求解算法上,沿用上个模型的求解思路,采用幂罚函数法与遗传算法相结合的方法求解。

最后用算例验证了模型的合理性与算法的有效性。