大规模异质拥堵网络中的代理模型收费优化
最优化与控制
2020-09-24 v1 系统与控制
摘要
大规模动态交通网络中的收费优化通常以评价代价高昂的目标函数为特征。本文提出两个收费水平问题（TLP），并与澳大利亚墨尔本的大规模基于仿真的动态交通分配（DTA）模型相集成。第一个 TLP 旨在通过时变联合距离与延误收费（JDDT）控制定价区（PZ），使 PZ 的网络基本图（NFD）不进入拥堵状态。第二个 TLP 在第一个 TLP 基础上进一步考虑最小化 PZ 内拥堵分布的异质性。为求解这两个 TLP，采用计算高效的基于代理模型的优化方法，即带期望改进（EI）采样的回归克里金（RK），来近似仿真输入输出映射，其能在局部利用与全局探索间良好平衡。结果表明，两个最优 TLP 解分别使 PZ（全网）的平均行程时间减少 29.5%（1.4%）和 21.6%（2.5%）。降低拥堵分布异质性在 PZ 内实现了更高的网络流量，并在全网中获得了更低的平均行程时间或更大的总行程时间节省。
引用
@article{arxiv.1904.11733,
title = {Surrogate-based toll optimization in a large-scale heterogeneously congested network},
author = {Ziyuan Gu and S. Travis Waller and Meead Saberi},
journal= {arXiv preprint arXiv:1904.11733},
year = {2020}
}
备注
16 pages, 7 figures