[发明专利]一种基于巢式-交叉巢式的多模式换乘矩阵测算方法

权利要求书

1.一种基于巢式-交叉巢式的多模式换乘矩阵测算方法，其特征在于，该方法通过结合巢式Logit(Nested Logit，NL)模型和交叉巢式Logit(Cross Nested Logit,CNL)模型，结合多模式交通模式各模式间的相似性和多模式城市道路网的重合度，通过交通方式划分(Mode Split,MS)和交通分配(Traffic Assignment,TA)结合的方法测算出多模式换乘矩阵，包括如下步骤：

步骤1：分析换乘中心服务的交通模式，根据各模式的特征，结合不同交通模式之间的换乘关系，确定出行者的备选出行链集合，确定待测算的多模式换乘矩阵X＝[x_s,t]_n,n的规模，其中，x_s,t表示交通模式s与t之间的换乘系数，n表示交通模式的数量，s,t＝1,2,....,n；

步骤2：对于出行者首次选择行为的备选集，即第一段出行可以选择的所有交通模式，考虑各个交通模式之间的嵌套关系，构建NL模型进行第一次交通方式划分；

步骤3：对于出行者基于首次选择后的后续选择行为，采用步骤2中的方法顺次建立多模式换乘出行方案；

步骤4：对于所有可行的换乘出行方案，分析路网结构及组成的重合度，结合步骤2已构建的构建NL模型，根据用户均衡的交通流量分配，对总出行需求进行方式划分和交通分配，构建基于巢式-交叉巢式的方式划分和交通分配的NL-CNL-MSTA优化模型；

步骤5：利用Evans算法求解步骤4中构建的优化模型，得出多模式交通出行链中各模式的比例，从而得出换乘矩阵测算结果；

所述步骤2的NL模型为：

满足

其中，v_a是路段a上的流量，t_a(x)是路段a上的行程时间函数，IJ表示所有起终点OD对的集合，点i∈I和j∈J分别表示网络中的起点和终点，U_ij表示NL模型中OD对ij的巢的集合，M_iju表示OD对ij的巢u中的模式集合，γ_ij为OD对ij之间的根离散参数，为OD对ij之间巢u的离散参数，且满足θ_ijum是表示OD对ij之间巢u中的模式m的隶属度的参数，是OD对ij之间巢u中模式m的交通出需求，ψ_ijum是OD对ij之间巢u中的模式m的吸引度量；

所述步骤4的NL-CNL-MSTA优化模型为：

满足：

r∈R_ijume,e∈E_ijum,m∈M_iju,u∈U_ij,ij∈IJ

其中，Z₁为用户均衡交通分配模型的目标函数，Z₂,Z₃分别是与CNL模型二级概率结构相对应的条件和边际熵项，E_ijum表示CNL模型中OD对ij的巢u中模式m的巢，R_ijume表示CNL模型中与OD对ij的巢u中模式m相关的属于巢e的路径，μ_ijume是与OD对ij的巢u中模式m相关的属于巢e的路网重合度，α_ijumer是路径r在与OD对ij的巢u中模式m相关的属于巢e的路径中的比例系数，为路径r∈R_ijume上的路径流量，q^ij表示OD对ij之间的交通出行需求。

2.根据权利要求1所述的基于巢式-交叉巢式的多模式换乘矩阵测算方法，其特征在于，所述步骤1中涉及到的多模式集合有：NL模型中的上层首次选择行为的备选模式的分类巢U_ij，表示OD对ij的巢的集合；下层首次选择行为的备选巢M_iju，表示OD对ij的巢u中的模式集合；CNL模型中的上层路网分类巢E_ijum，表示CNL模型中OD对ij的巢u中模式m的巢；下层所使用的路径巢R_ijume，表示CNL模型中与OD对ij的巢u中模式m相关的属于巢e的路径，OD为所有出行的起终点的集合。

3.根据权利要求1所述的基于巢式-交叉巢式的多模式换乘矩阵测算方法，其特征在于，所述步骤5的实施步骤为：

1)初始化，已知道链路自由流状态下的通行时间，计算最短路，最小交通阻抗，及期望行驶时间；

2)梯度下降方向，更新城市道路网链路行驶时间，基于该行驶时间，利用全有全无交通分配，即所有出行者都选择最短路径出行的交通分配方法，得到多模式出行链每段模式的需求量和城市道路网的链路流量的辅助解；

3)线性搜索，通过黄金分割法求解交通分配问题当前迭代步骤的最优步长；

4)更新，根据3)中求解的步长更新多模式出行链每段模式的需求量及城市道路网的链路流量；

5)收敛性判断，如果相邻两次迭代的目标函数值之差小于预先设定的值，则算法结束；否则，转至2)。