2022年4月7日，TOPS课题组第106期组会在线上召开。本次组会由18级博士生吴纪䶮和付全路与大家分别交流讨论《路网模型中基于路段的奖励方案优化研究》和《基于仿真优化的路网奖励方案优化研究》。线上参会的成员包括孙剑教授、倪颖副教授、田野副教授、岳李圣飒老师、许项东老师以及TOPS课题组全体同学。

第一位主讲人吴纪䶮首先阐明了研究动机，即扩大交通供给、基于惩罚的交通需求管理策略均存在较大弊端，基于奖励的交通需求管理策略更公平、社会接受度更高。接下来他对交通网络拥堵收费进行了回顾，说明由于边际收费网络中所有路段都必须收费，容易遭到民众反对，实施规模大，所需费用高，鲁棒性差。使用基于路段的最优奖励方案模型同样能使系统达到最优，且能解决边际收费所存在的弊端。另外吴纪䶮对基于路段的次优化奖励方案进行了讲述，寻找系统最优和用户均衡两者之间效用比大于1的情况，认为在针对特定问题上，非凸规划的局部最优解有其价值意义。吴纪䶮使用了算例说明在该需求下次优化方案的效用比无法大于1。最后对其研究成果进行了总结，表明基于路段的最优奖励方案能有效解决拥堵收费公众反对意见强烈、管控规模大、鲁棒性差等问题；若考虑效用比，最优的路段奖励方案没有实施的意义；在次优的奖励方案下，轻量级的管控同样可以大程度缓解拥堵。

研究背景

第二位主讲人付全路首先介绍了基于奖励的出行需求管理的必要性。基于路段/区域收费的，都是固定路段/区域（根据拥挤水平）研究收费水平。虽然路网范围大，但收费区域确定，只求固定时间内收费水平，自变量维度小，对于路网实施奖励，无法根据拥挤状态确定奖励区域/路段。其中关键问题就在于优化目标函数和约束很难建立精确的解析模型，仿真在寻优过程中占用资源太多且传统的代理模型难以满足高维变量决策的需求。针对以上关键问题，付全路将目标函数或约束条件通过中观仿真来隐式表达，采用了基于代理模型的仿真优化框架，并采用了新的KPLS代理模型。付全路以徐汇中观路网为例进行了实验，结果表明奖励优化方案效果显著，对KPLS代理模型的精确度和效率进行了评价，详细分析了奖励对出行路径（快速了和全路网）的影响。最后对其研究进行了总结和展望，认为路网奖励实施方案和最终时间优化效果以及经济效能之间的内在规律值得进一步挖掘，如何建立两者之间的联系是关键。

关键问题和研究方法

在讨论环节，田野老师对吴纪䶮的研究表示了认可和鼓励，许项东老师针对他的研究给出了一些宏观方面的建议，认为交通与经济相结合会使研究更有趣。孙剑老师针对付全路的研究意义进行了提问，付全路对此作了详细的解答。至此，本期TOPS组会圆满结束。