信息素更新策略的随机用户均衡模型蚁群优化算法,建立了从 Logit模型加载,到交通需求确认及路
径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程;计算了 NguyenGDupuis路
网模型中各路段的流量与阻抗,并与连续平均算法计算结果进行比较;通过调节出行者对路网熟悉程
度的因子,分析了蚁群优化算法与连续平均算法的敏感性.研究结果表明:采用连续平均算法和蚁群
优化算法计算的路段流量分布分别为20~280、40~260pcu,蚁群优化算法的流量分布区间减小了
15.4%,路段流量的最大值减小了7.1%,因此,采用蚁群优化算法计算的路段流量较为均衡;采用蚁
群优化算法时,在 NguyenGDupuis路网模型中各路段流量的标准差从65pcu降至48pcu,88%可选路
径的阻抗分布在61~64,且84%的路径阻抗低于采用连续平均算法计算的阻抗,因此,采用蚁群优
化算法减少了用户出行时间;当路网熟悉程度分别为0.01、0.1、1、2、7、11时,采用连续平均算法计
算的路段流量标准差分别为75、65、50、47、45、45pcu,采用蚁群优化算法计算的路段流量标准差分
别为48、48、48、47、43、43pcu,可见,随着路网熟悉程度的增大,分配在各路段上的流量范围逐渐减
小,标准差趋于稳定,信息素更新策略对出行者的路径选择概率影响越明显,出行者选择阻抗小的
路径的概率变大,因此,采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法.