随机交通网络的日常拥堵定价的最优控制方法
摘要：拥堵定价对于交通需求管理在道路网络上已成为一种有效的工具。本文提出了一种针对日常时标的拥堵定价的最优控制方法，该方法结合了需求的不确定性和弹性。旅行者根据前一天的系统旅行时间来决定是否出行，交通管理者通过收费决策来尽量减少长时间范围内的平均系统旅行时间。我们将该问题形式化为马尔可夫决策过程，并分析该问题是否满足进行满意解析的条件。这种MDP的分析通常依赖于状态空间的类型以及旅行时间函数的有界性。我们没有限制旅行时间函数的有界性，并提出了一种围绕加权超范数收缩的分析方法，该方法也适用于无界的旅行时间函数。我们发现，所制定的MDP满足一组假设，以确保贝尔曼最优性条件。通过这个结果，证明了MDP的最优平均成本的存在。提出了一种基于近似动态规划的方法来解决解决控制问题的实施和计算问题。数值结果表明，所提出的方法有效地解决了问题并产生准确的解决方案。
作者：Hemant Gehlot and Harsha Honnappa and Satish V. Ukkusuri
论文ID：1810.12182
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-07-23