文档介绍：交通规划81
Burrell模拟方法的具体算法步骤为： 步骤1 初始化。确定路段估计阻抗分布函数及分配次数N，令n=0。 步骤2 n=n+1，对于任何一个OD对采用随机数方法从阻抗分布函数中取样，确定路段估计阻抗，采用0－1分配法将O
③
②
⑨
④
⑦
⑥
⑧
⑤
1
wu
1
1
1
1
1
wu
wu
1
1
X(9)=1000
X(8,9)=1000*(/(+1))=269
X(6,9)=1000-269=731
Date
邓建华
（二）概率随机分配法
1. 阻抗为常数的多径路分配方法
（1）Probit方法 基本原理：从路段（不是径路）的感知阻抗入手。设路段 的感知阻抗 服从正态分 ，其中 是路段的实际阻抗， 是无量纲的比例常数，其值等于路段感知阻抗的方差。并且假定各路段的感知阻抗是相互独立的，在忽略相邻路段在交叉口的相互影响的前提下，该假设是成立的。
Date
邓建华
于是，径路的感知阻抗就等于：
式中 —径路—路段相关变量，其计算公式为： 根据正态分布的性质， 也服从正态分布，它的期望、方差、协方差分别为：
协方差充分反映了径路之间的相关性。由于维数太多，不能直接用公式来求解选择概率，一般可采用Monte-Carlo模拟方法。
Date
邓建华
Monte-Carlo模拟算法思想：在每次迭代或分配过程中，从每个路段的感知阻抗的正态概率分布中抽出一个样本作为相应路段的阻抗，以此为基础用全有全无分配方法将所有的OD交通量加载到网络上去，重复该过程直到满足精度要求为止。最后，将各次分配得到的路段交通量的平均值作为该路段的最终分配结果。
Date
邓建华
具体步骤：
步骤1 令m=1。 步骤2 抽样。对每个路段 ，从其感知阻抗的正态分布函数 中产生一个随机数 作为样本，如果抽到的样本为负值则记为0。 步骤3 根据抽样得到的路段阻抗{ } ，用全有全无分配法将OD交通量表中的各出行量 都加载到网络上，得到路段的交通交通量 。 步骤4 计算第m次分配路段交通量的平均值 和方差 ：
Date
邓建华
步骤5 收敛判断。若 ，则停止计算；否则，令m=m+1，返回到步骤2。
Date
邓建华
阻抗变化的多径路分配方法与在非平衡分配方法中介绍的阻抗变化的单路径分配方法一样， 也可分为增量加载和迭代加权两种方法。
这里只介绍多径路－迭代加权法。
2. 阻抗变化的多径路分配方法
Date
邓建华
多径路－迭代加权法具体步骤
1：初始化。基于0交通量的初始阻抗 进行0-1分配，得到路段交通量 。令迭代次数 k=1 。
2：更新各路段的阻抗，令 。
3：在新阻抗的基础上，调用Dial算法（或Probit 算法）进行交通量的随机加载，得到各路段新的交通量 。
Date
邓建华
多径路－迭代加权法具体步骤
4：
5:收敛判断。如果满足 计算结束，
否则，令 k=k+1 ，返回步骤2。
Date
邓建华
三、随机平衡分配方法
该方法实质就是研究考虑拥挤因素下的随机用户平衡（SUE）分配问题。随机用户平衡分配中道路利用者的径路选择行为仍遵循 Wardrop 第一原理，只不过用户选择的是自己估计阻抗最小的径路来出行。也就是用户选择 OD 对间径路感知阻抗中为最小的概率，可知这个选择概率是一个条件概率，即：
某条被选用径路上的分配交通流量等于OD对间交通量与该条径路的选择概率的乘积:
Date
邓建华
（一）随机平衡分配模型
数学规划模型：
式中 －期望感知阻抗
Date
邓建华
（二）随机平衡（SUE）分配算法
对于 SUE 问题，可以采用求解无约束极小值问题的最速下降方法来计算，即 F-W 算法，这类算法的基本步骤是寻找下降方向和迭代步长，即：
－是第 n 次迭代时路段 交通量 的向量 ；
－是迭代步长 ；
－是目标函数在 点的下降方向。
Date
邓建华
步骤1： 初始化。按照各路段的初始行驶时间 （可取零流时间）进行一次随机分配，得到各路段的分配交通量 ，另n=1；
步骤2：根据当前各路段的分配交通量 计算各路段的行驶时间；
步骤3：根