運輸需求模型與演算法之研究(2/3)

「交通量指派」為旅運需求預測最為核心之模組。假設每位理性用路人均選擇使用起迄對間之最短路徑，則依照旅行時間/成本之種類不同，可以分別建構明確性、隨機性、以及動態性之交通量指派模型，並以Frank-Wolfe，PARTAN，GP，或Dial 等演算法求解。過去十年，交通量指派有兩項重大議題被(重新)提出來討論，第一個議題是有關用路人之行為假設，即為了更加符合實際產生之路網流量型態，除了之前之Wardrop 原則之外，是否仍需增加其他之用路人之行為假設？第二個議題是有關交通量指派演算法之運算效率，有鑑於傳統交通量指派演算法表現不佳，亟需發展快速精準(且可產生路徑流量唯一解)之交通量指派演算法。為了詳細探討這兩個重要之議題，並將研究成果延伸應用至更為複雜之極大熵雙限旅次分配/交通量指派問題，本計劃書提出三年之研究計畫內容。第一年之主要研究內容為：(1) 建構一般化之交通量指派模型，(2) 撰寫TAPAS(Traffic Assignment by Paired Alternative Segments)電腦程式，(3) 改良TAPAS 之搜尋PAS之方法，(4) 修正TAPAS 之PAS 流量分配之方法，(5) 數例測試。第二年之研究重點為熵基礎之交通量指派模型(entropy-based traffic assignment,EBTA)，其主要內容為：(1) 建構數學模型以及推導最佳化條件， (2) 發展一個可利用“起點基礎一般化路段成本函數”(origin-based generalized link cost function)之交通量指派演算法，(3) 探討如何偵測與刪除EBTA 模型之負成本迴圈問題。第三年之主要研究內容為將前兩年之研究成果應用至更為複雜之極大熵雙限旅次分配/交通量指派問題，其主要內容為：(1) 建構數學模型以及推導最佳化條件， (2) 發展“延伸性”之交通量指派演算法(extended traffic assignment algorithm)，(3) 建立適用“延伸性”之交通量指派演算法之超級路網架構，(4)測試所發展演算法之參數設定，(5)數例測試。