【论文】未：考虑出行距离和时延的基于小区的动态拥塞定价方案

解读A cell-based dynamic congestion pricing scheme considering travel distance and time delay

摘要

该研究引入了动态网络中考虑实际出行距离和时间延迟的动态拥挤定价问题(DCP)(dynamic congestion pricing)(即联合距离和时间延迟收费)，与现有的收费方案相比，该问题更加公平有效。系统动力学可以体现在两个方面:🐸(1)出行者的路径选择决策遵循动态用户均衡原则；🐸(2)联合距离和延时费用呈现时变模式。在整个建模过程中采用了多时段需求方案，并建立了一个双层规划模型，以获得最优的收费值。数值结果表明，与静态联合公交换乘方案、动态联合距离和时间收费方案以及动态纯距离收费方案相比，动态联合公交换乘方案的最小系统总出行时间分别减少了6.28%、4.30%和7.45%。

1. Introduction

拥挤收费(congestion pricing )作为交通管理的需求侧策略之一，被经济学家广泛认为是缓解城市交通拥挤问题、提高系统性能的有效经济手段，也越来越受到学术界和实务界的关注。拥挤定价的研究主要集中在第一最优定价(first-best pricing和第二最优定价(secongd-best pricing)。在交通网络建模和分析中，大多数研究认为网络中的每一个链接(link)都是第一最优定价方案(如杨、黄1998；Sumalee和徐(2011)，而网络中只有一部分链接被评为次优定价方案(如刘和麦当劳1999；Verhoef 2000，2002；张等2011；刘、孟、王2014；狄、刘、班2016；韩、王、朱(2017)；感兴趣的读者可以从杨和黄(2005)那里得到全面的评论。

拥挤收费的一个关键问题是确定收费标准。大多数实施的拥挤收费政策在基于警戒线的收费方案中采用统一(固定)收费方法，包括按次收费(pay-per-entry charge)和每日许可证收费(daily licensing charge)，而不考虑警戒线收费区内的实际行驶距离。因此，这种收费方法可能会因长途旅行少收费和短途旅行多收费而造成不公平的收费问题，并会造成破坏性的问题，因为它可能会增加警戒线以外的边界路线的拥挤程度(May等人，2008年)。此外，这种收费方式并不能完全缓解交通拥堵，因为一部分司机可能会有计划地利用警戒线以内的更多路段，以最大限度地提高已付费用的效用(孟，刘，王，2012)。这实际上可能会增加警戒线区域内的拥挤现象。因此，为了充分发挥拥挤收费在缓解城市交通拥堵中的作用，提高拥挤收费的公平性和有效性，需要考虑警戒线收费区内的出行距离(或使用量)，建立基于距离的拥挤收费方案。孟，刘，王(2012)和刘等人(2017)提出了最优基于距离的拥挤收费问题，并采用分段线性函数来制定非线性基于距离的收费。值得注意的是，基于距离的定价方案将是新加坡下一代电子道路定价(ERP)系统(新加坡陆路运输管理局，2013年)。

然而，正如刘、王和孟(2014)所言，基于距离的定价模型仍然有其局限性:出行者会有意选择较短的路线来减少定价警戒线内的通行费，而不管该路线是否高度拥堵。为了解决这个问题，他们提出了一个联合距离和时间收费(JDTT)方案(joint distance and time toll scheme)。然而，就自由流行驶时间而言，距离通行费和时间通行费之间存在重叠。例如，一个旅行者沿着一条特定的路线穿过收费警戒线，花了15分钟，在警戒线内行驶了6公里。然而，当网络处于自由流动状态时，同样的路线只需要12分钟。在基于距离的收费部分，它已经包含了自由流交通状态(free-flow traffic state)下的收费，因为所经历的路线的总长度是固定的，并且与恒定的自由流行驶时间有关。这种重叠意味着JDTT中存在过度收费，并导致次优化(sub-optimality)。因此，这部分应该被切掉。为此，应以基于时间延迟的收费方案取代基于时间的收费。在本文中，我们将该方法扩展到了联合距离和延时收费，它比联合距离和延时收费更有效。

对于拥挤收费问题，大多数研究集中在静态交通网络的确定性过程。然而，基于静态交通分配的拥挤定价存在显著的局限性(Chiu等人，2011；Chung等人，2012年；董和马赫马萨尼2013)。静态模型只关注出行者的静态路径选择决策，静态用户均衡忽略了交通流的时间依赖性。此外，在静态定价模型中没有考虑当前通行费对未来拥堵水平的影响(Wie和Tobin 1998)。此外，由于运输系统的内在动力，人们的旅行行为将随着外部环境的变化而变化。因此，引入动态交通分配理论(DTA)(dynamic traffic assignment)对联合动态交通分配方案的应用十分重要。本研究利用DTA分析理论阐述了JDTDT问题。

动态拥挤定价问题通常被公式化为一个双层规划模型，上层用于优化整个系统的性能，下层用于建模每个个体的动态路径选择。下层问题可以被公式化为一个动态用户均衡(DUE)问题，其目的是确定路线流模式，使得每个OD对的出行者在任何时间的总广义成本相等且最小(冉和博伊斯1996；司徒和罗2004)。在DUE问题中，两个至关重要的问题是流动动力学(flow dynamics)和流动传播约束(flow propagation contraints)。换句话说，如何从路径流中获得实际的路径旅行时间是一个至关重要的问题。在这一领域开展了大量研究(如班等人，2008年；韩、皮考利、弗里斯兹2015；韩、皮考利、赛托2016；黄和拉姆2002；L o n ge ta l .2013L o n g et al.2016詹和Ukkusuri2017)。在本文中，动态交通流分量由基于路径的CTM表示(Doan和Ukkusuri 2012，2015；英国、英国、美国、爱尔兰、日本、荷兰、挪威、荷兰(2012年)。与最初的CTM (Daganzo，1994，1995)相比，基于路径的CTM的主要优点如下:👍(a)小区和小区连接器可以在不同的路径中被跟踪，👍(b)合并和分叉链路处的流量可以在没有外生转向比的情况下被唯一地确定，以及(c )👍不再需要每个小区占用的等待时间。为了避免计算反函数(inverse function)(Lo和Szeto 2002)，提出了一种新的平均方案，用基于路径的CTM的输出来估计每条路径上同时离开的交通的途中行驶时间。在我们提出的平均法引入了两个新的到达时间指标，使途中旅行时间的计算更加简洁。此外，与在整个建模期间采用统一需求作为输入的其他基于小区的动态交通分配模型相比(例如，Lo和Szeto 2002为了更好地描述动态拥挤定价问题，采用了多时段需求方案作为输入。

DUE问题被建模为变分不等式(VI)问题，这是动态拥挤定价问题的下层，而上层是最小化总系统时间。众所周知，双层规划问题是NP难且求解繁琐的(Jeroslow 1985高、吴、孙2005；Rahmani，Jenelius，Koutsopoulos 2015Rahmani和MirHassani 2015Kheirkhah、Navidi和Bidgoli2016)。为此，提出了一种混合自适应梯度投影(SAGP)(hybrid self-adpative gradient prjection)和人工蜂群(ABC)算法(artificial bee colony)求解双层模型，下层采用SAGP算法求解VI问题，上层采用ABC算法求解动态JDTDT问题。请注意，系统动态性可以体现在两个方面:(a)☀️旅行者的路径选择决策遵循DUE原则；(b)☀️JDTDT从静态模式扩展到时变模式，这可以通过改变每个离散时间间隔的通行费值来处理(例如，在新加坡的ERP系统中为30分钟)。在每个时间间隔结束时，出行需求发生变化，因此征收新的JDTDT.

本文旨在解决考虑警戒线收费区内实际出行距离和拥挤程度的动态拥挤定价问题。本文的贡献有三个方面。⭐️首先，我们最初提出了一个集成的建模方法来解决新的最优联合距离和延时收费设计问题，并将其从静态扩展到动态交通网络。⭐️第二个是我们提出了一个新的平均方案来估计动态网络加载过程中每条路径上同时离开的交通与一般交通网络的基于路径的CTM输出的途中行驶时间。⭐️最后，提出了一种混合自适应梯度投影和人工蜂群算法来求解双层规划模型。

下面几节的结构如下:下一节介绍了基于距离的收费、基于拥堵的收费、基于路径的CTM收费和JDTDT。第3节介绍了时变的JDTDT和DUE条件；然后针对动态JDTDT问题建立了双层规划模型。第四部分开发了一个混合的SAGP和ABC法算法来求解所提出的模型。第5节给出了数值结果，最后，第6节总结了本文。

2. Problem description

对于一个强连通的运输网络，$G=(N，A)$，我们分别使用$N$和$A$表示节点集和有向链路集。$W$代表所有DO对(orign-destination)的集合。$p^w$表示连接OD对$w\in W$的一组路径，$q^w$d表示OD对$w\in W$之间的旅行需求。建模周期被细分为出发的时间间隔和收取通行费的收费间隔。其他符号按字母顺序总结在表1中。

表1:Notations (in alphabetical order)

Notation	Defination
$d$	时变收费的收费间隔指数
$f_{p,t}^w$	对ODpair $w$的path$p$的时间间隔上的流量
$h_{p.t}$	在path$p$上的时间间隔的出发率
$i$	节点标示 cell index
$(i,j)$	link的索引
$l$	警戒线充电区内的行驶距离
$p$	$p\in P^w$
$q^w$	OD对$w$之间的总需求
r	起点标示 origin cell
s	终点标示？sink cell
t	时间间隔索引
$w$	$w\in W$
$x_{p,t}^i$	path $p$时间间隔开始时cell $i$的占用率
${\bar{x}}_t^i$	${\bar{x}}_t^i={\sum }_p{x}_{p,t}^i$
${\tilde{x}}_t^{i,j}$	在时间间隔$t$的开始时聚合从分叉节点(diverging cel) $i$ 前往节点 $j$ 的聚合占比
$x_t^i$	在时间间隔$t$开始时节点$i$的占用
$y_{p,t}^{i,j}$	在时间间隔$t$开始时从$i$到$j$的path $p$的流量
$y_t^{i,j}$	在时间间隔$t$开始时从$i$到$j$的流量
$C_D$	set of diverging cells
$C_M$	set of merging cells
$C_R$	set of source cells
$C_S$	set of sink cells
$C_O$	set of ordinary cells
$E_D$	set of diverging links
$E_M$	set of merging links
$E_O$	set of ordinary links
$N^i$	cell i 的jam 密度
$p^w$	ODpair $w$ 的path 的集合
$Q^i$	cell $i$ 的最大流出量
$T$	最大时间范围
$T_d$	时变收费的第 $d$ 个时间间隔，$T_d\in T$
$W$	set of all OD pairs
$\alpha$	value-of-time
$\beta$	拥挤时间的正定价率
${\delta }_p^i(or{\delta }_p^j,{\delta }_p^k)$	如果 cell $i$在path $p$上，则${\delta }_p^i=1$,否则为0
${\eta }_{p,t}^w$	在时间间隔 $t$ 内的连接OD对的path $p$ 的车流的行程时间
${\theta }_1$	基于距离的收费的预定权重
${\theta }_2$	基于拥堵的收费的预定权重
${\lambda }_{p.t}^r$	在时间间隔 $t$ 开始时从cell $r$ 分离的在 paht $p$ 上的累积流量
${\lambda }_{p,w}^s$	在时间间隔 $t$开始时从path $p$到达cell $s$的累积流量
$\mu$	无穷小的数字$\mu >0$\
$v$	反向速度(backward speed)与自由流动速度(free-flow speed)的比率
${\pi }_t^w$	在时间间隔 $t$ 内ODpari $w$的最小成本
$\tau (l,\beta )$	联合距离和延时收费函数
${\tau }_d(l,\beta )$	收费区间 $d$ 的时变联合距离和延时收费函数
$\phi (\Delta t)$	基于拥堵的收费函数
$\varphi (l)$	基于距离的收费函数
${\omega }_1$	满足${\lambda }_{p,{\omega }_1}^s\ge {\lambda }_{p,t-1}^r$的最小时间指标
${\omega }_2$	满足${\lambda }_{p,{\omega }_2}^s\ge {\lambda }_{p,t}^r$的最小时间指标
${\Gamma }_i^{-1}$	cell $i$ 的 predecessors(前辈？)集合
${\Gamma }_i$	cell $i$ 的 successors 集合
${\Delta }_t$	dalay
${\Psi }_{p,t}^w$	间间隔内两个OD对之间的交通流路径的广义旅行成本
$\Omega$	路径流的可行向量集

2.1 Distance-based tol 基于距离的收费

如图1左侧所示，基于距离的收费函数可以描述为一个连续的非线性函数。然而，很难解析地推导和求解这种类型的函数。一般的求解方法是根据警戒线内的行进距离 $l$，用逐步线性函数逼近非线性函数。假设警戒线收费区内的最小和最大长度分别为$l_0$和$l_K$，我们可以将行驶距离分成$k$个相等的区间，每个区间的距离-收费函数可以用两个端点表示，如图1所示。这种分段线性近似方法遵循孟、刘和王(2012)的方法。

假设行程距离的顶点为$l=(l_0,,l_1,...,l_k,...,l_K{)}^T$,相应的收费值为$\varphi =({\varphi }_0,{\varphi }_1,...,{\varphi }_k,...,{\varphi }_K{)}^T$.令$l_p^w$表示在警戒价格区域内的path $p\in p^w$的距离长度。假设$l_p^w$位于距离收费函数的第$k$个间隔。那么我们可以通过下面的函数来近似警戒线定价区域内路径$p\in P^w$的距离-费用:
$${\varphi }_p^w=\varphi (l_p^w)={\varphi }_{k-1}+\frac{l_p^w-l_{k-1}}{l_k-l_{k-1}}({\varphi }_k-{\varphi }_{k-1})\text{\hspace{1em}(1)}$$

2.2. Time-delay-based toll

如前所述，基于距离的定价模型仍然有其局限性，因为旅行者会有意选择最短的路线来减少他们的通行费，而不管他们的路线的拥挤程度如何。这可能违背拥挤收费下鼓励绕道的意图。刘、王和孟(2014)采用了JDTT方案来解决这个问题。然而，就自由流行驶时间而言，基于距离的收费和基于时间的收费之间存在重叠，这意味着过度收费。在这里，我们提出了一个JDTDT方案来处理过度收费问题。请注意，实际行驶时间和自由流行驶时间之间的差异是延迟，它指示网络中的拥塞级别。OD对$w$的path$p\in p^w$的拥挤收费${\phi }_p^w$为：
$${\phi }_p^w=\phi (\Delta t_p^w)=\beta \cdot \Delta t_p^w\text{\hspace{1em}(2)}$$
where ${\phi }_p^w$假设与在警戒线区域内的path $p\in p^w$的延迟 $\Delta t_p^w$是成正比的。$\beta$是拥挤时间的收费率。因此，基于拥挤的收费问题变成了确定警戒线内的最优$\beta$。值得注意的是，这份手稿中计算出的延迟实际上是一个“未来”延迟，而不是一个“当前”延迟。延误由收费警戒线内的途中行驶时间与自由流行驶时间之差计算，途中行驶时间由离开收费警戒线外的时间与进入收费警戒线的时间之差计算。因此，延迟是真实的，而不是预测的，基于时间延迟的通行费将根据旅行者经历的真实延迟收取.

2.3 Joint distance and time-delay toll (JDTDT)联合距离和延时收费

基于上面提出的距离收费和拥堵收费，我们可以将JDTDT函数τ公式化，它表示为距离收费φ和时间延迟收费ϕn a m e l的加权和