基于仿真的优化方法在交通管理中的应用探究

张雨晨，张 军

（首都经济贸易大学管理工程学院，北京100070）

随着经济和科技的进步，居民生活水平不断提高，车辆数量大幅增长，日益严重的交通拥堵问题也逐渐突出，造成了巨大的社会成本。不同的交通管理措施相继实施，有效地管理才能够减小拥堵情况产生的影响，提高交通道路的利用率和安全性。在实际问题中，由于交通运输网络的复杂、动态和随机特性，常使用仿真模型来评估现实世界大型网络中的交通问题，但这样的仿真模型伴随着耗时的目标函数评估，因此，具有计算效率高的基于仿真的优化方法成为解决以上问题的思路，可以在较少的仿真运行中识别出性能改善的策略。

1 基于仿真的优化理念

1.1 仿真优化的提出

复杂事物和复杂系统的内部有着细致的运行和机理，在实际问题中，这些复杂系统往往不能以明确的函数关系进行表达，基于数学模型的优化方法也可能并不适用。在这样的背景下，基于仿真的优化方法于20 世纪90 年代首先被提出并发展起来，是复杂现实系统优化问题的一种创新工具，是仿真方法和优化方法的模块结合，是以仿真为手段实现系统策略优化的一种研究方法，在很多领域得到了越来越广泛的应用。

1.2 基于仿真的优化框架

基于仿真的优化的方法框架通常包括4 个模块：策略、仿真、评估和优化。策略模块包含丰富的策略集，可以解决如规划和运营方面的运输和交通问题；仿真模块是对网络的描述，能够模拟不同策略下的各种交通状况；评估模块是基于仿真输出的解决方案的判断；优化模块根据策略评估在选择集中搜索最优策略。基本原理和思想是用仿真器来模拟运行某个现实复杂系统，依据仿真结果用优化器对系统进行优化，仿真器也可以用于优化策略的性能评估；也可以将仿真模块视为隐式、随机、非线性和非连续的黑匣子，基于仿真给出的输入-输出关系，与优化技术结合使输出响应不断得到改进，通过算法优化得到最佳的输入量。

1.3 基于仿真的优化分类

1.3.1 变量类型不同

根据决策变量的结构，仿真优化问题可以分为连续变量优化问题和离散变量优化问题。对于连续变量优化问题，最流行的方法包括基于梯度的方法、随机逼近方法、样本路径方法和响应面方法；对于离散变量优化问题，常用方法包括排列选择、多个比较过程、序贯优化、最佳计算预算分配、元启发式方法等。在实际的复杂问题中，系统往往同时存在连续变量和离散变量，这种问题属于混合离散变量优化设计问题，常用优化方法包括以连续变量优化方法为基础的方法、直接在离散空间中搜索的方法和启发式混合离散变量搜索方法[1]。

1.3.2 目标数量不同

单目标优化问题只有一个优化目标，考虑单个目标的最优化，其解决方法与连续决策变量问题的解决方法大致相同。多目标优化包括两个或两个以上的优化目标，需考虑不同目标间的联合和影响，常包括优化和决策两个环节，根据先后次序又可以将多目标优化方法分为先决策后优化方法、先优化后决策方法、交互式多目标法。

1.3.3 仿真作用不同

按照仿真所起作用的不同，可将基于仿真的优化方法分为仿真用于策略验证、仿真输出作为优化算法适应值、仿真获取优化算法中用解析方法无法得到的参数或函数三类[2]。这种分类更能体现仿真与优化相结合的特点，也更加面向具体应用。

2 基于仿真的优化在交通管理中的具体应用

2.1 道路拥堵收费策略优化

为了缓解城市交通拥堵现状，控制汽车的出行和道路的情况，对通过拥堵路段或区域的汽车收取的费用称作交通拥堵定价收费，其核心目标是控制车辆出行需求、优化道路出行情况。通过收取交通拥堵费，可使出行者做出新的出行决策，以达到路网的供需平衡，有利于降低道路出行总成本、促进公共交通发展。运用基于仿真的交通拥堵收费优化方法可以依靠算法产生的备选策略，通过仿真实现交通网络的交通流分配，再以反复的仿真优化确定系统成本最小的收费策略，为现实的拥堵收费定价决策提供依据，缓解交通拥堵。

2.2 可持续交通系统评估优化

可持续运输系统被广泛认为意味着平衡当前和未来的经济发展、社会素质和环境保护。人们采取了许多举措来制订适当的指标来衡量运输系统的可持续性，例如涵盖安全、机动性、经济增长、贸易、人类与自然环境以及国家安全。很少在文献中有研究运输规划和运营方面各种组合策略的详细分析和优化，以提高多式联运可持续运输系统的效率或降低其社会成本。基于仿真的可持续交通系统评估和优化方法可用于讨论系统框架，尝试寻求交通规划和运营策略的最佳组合，将多式联运的一般费用降到最低[3]。

2.3 轨道交通车站服务设施优化

城市轨道交通车站由基础设施、服务设施和轨道交通工作人员组成，其投入和提升促使市民采用公共系统出行，站点服务设施的性能也因此成为优化的目标问题之一。由于乘客到达过程和设施服务时间的随机性，基于仿真的城市轨道交通站点服务设施优化设计方法被提出并纳入应用。在应用中，通过使用解析排队和仿真模型来建模和分析，采用结合了离散仿真模型和优化算法的基于仿真方法来设计服务设施[4]。

2.4 信号控制系统和网络的优化

城市轨道交通运营中信号控制的目的是提高运营效率和保障运输安全，进行城市交通信号的项目建设对于交通管理也至关重要。基于仿真优化的城市交通信号控制系统是智能交通的重要组成部分。目前中国交通最为明显的特点是车流和行人流在交叉口的相互影响，建立交通信号控制系统必须具有能够根据交通状况的变化而改变交通控制策略的能力。基于交通仿真的交通信号控制优化可以尽可能地减少投资，快捷地寻找交通控制的最优方案。

2.5 电动汽车共享基础结构设计规划优化

自动驾驶汽车等新兴技术的进步可以使汽车共享系统更绿色、更高效，大多数自动驾驶汽车实际上会是电动汽车，以帮助减少运输排放。电动自动驾驶汽车共享系统可以进一步提高交通的可及性和机动性，降低运输成本，减轻能源危机，并改善环境。目前有研究电动自动驾驶汽车共享系统的基础结构设计问题，针对该问题建立的基于仿真的优化模型包括充电站选址和确定每个位置的机队规模，运用基于遗传算法的启发式方法，以解决车站位置和车辆部署的系统设计问题[5]。

3 仿真优化在交通运输中的应用展望

虽然近年来一些研究意识到基于仿真的优化方法在交通运输中的价值，但它们主要集中在拥堵收费定价、信号控制系统优化上，在方法求解上更多采用的是传统算法，在目标选择上也更普遍针对单个目标的优化。对此，笔者们更进一步思考，希望以更优的多元化思想和优化技术来探究基于仿真的优化方法在交通领域中的应用，现将基于仿真的优化在智能交通领域中的应用展望可以列为以下几个层面。

3.1 多元化策略组合

更多策略可以考虑优化决策，例如旅行需求策略（高占用率车辆，公交专用车道）和交通控制策略（坡度，公交优先级）可以进行分析。多元化的思想即可以组合优化策略，考虑如速度限制[6]、专用车道及道路定价等策略间的相互影响和联动等，思考各种不同策略间如何影响，进而辅助不同策略共同实施更侧重的方向或注意事项。

3.2 多个性能目标

以多个目标或多个目标的组合作为交通策略的优化目的，现有研究中更多的是以出行时间为单目标，除此之外，还有排放、可靠性、事故率和经济性等性能指标。从政府的角度来看，可以考虑最小化平均旅行时间、网络中旅行者的时间延误、总社会福利最大化、路网可靠性指标等其他一些目标功能；从私人基础设施运营商的角度，会考虑总收入最大化和成本最小化等。通常，尽管每个目标的最优方法可能有所不同，但基于帕累托解的多个目标解决方案将对政策制定者有利。

3.3 更多现实条件的考虑

在问题的设计中，为了降低系统模型的复杂性，往往会对不确定的影响或情况进行假设，假设条件的变动对结果必然是有影响的。随着问题和方法的深入研究，更多符合现实的复杂条件需要加入考虑，以更贴近现实情况。例如，调查用户异质性存在的情况是值得的，拥堵定价是一种对富裕用户有益的管理策略，如果包含用户异构性，则可能会获得不同的结果。当仿真旅行者对道路价格的行为调整时，例如出发时间选择、路线选择，道路固定需求的假设将被释放以允许弹性需求。

4 结语

随着仿真优化方法以及计算机技术的发展，基于仿真的优化获得了相当大的关注度，也在交通管理中取得了一定成就。但各种仿真优化方法通常都需要具有一定的技术背和大量的计算时间，大家的目标应着眼于发展多元化的交通应用框架、提高不同框架中算法的效率，使其应用更加广泛，这需要更多的研究投入和应用验证，交通仿真优化领域的研究者和工作者都应以促进交通问题的缓解为目标共同努力。