交通网络系统是一种典型的不确定性复杂系统,系统本身会因多方面的不确定性而出现波动。一般情况下,运用传统的确定性建模方法来描述不确定性交通网络不足以揭示实际交通活动的本质。从逻辑上来说,交通网络中这些不可避免的不确定性主要来自两大方面:供给方面(道路通行能力的波动)和需求方面(出行需求的变化)。供给不确定性直接与道路通行能力的波动有关。其中,恶劣天气条件是导致供给不确定性的重要因素之一。另一方面,个体的出行行为的不确定性,或者具体对本文来说,出行者的路径选择(标准)异质性,也被认为是导致出行需求变化的一个不可忽略的原因;因而,本文将这种路径选择异质性并入需求不确定性的范畴。本文主要研究随机性交通网络的用户均衡分配问题,分析和研究恶劣天气的致灾机理并考虑不同程度的恶劣天气场景对道路交通网络均衡分配问题的影响。本文采用一个广义的路段行程时间函数,用以描述恶劣天气场景(例如,不同的降雨强度)对于自由流行程时间和路段通行能力的削减作用。基于此,本文提出了一种新的随机交通网络用户均衡模型,该模型既考虑了恶劣天气场景对于可降级的道路供给能力的影响,同时又嵌入了具有路径选择异质性的多用户类出行者在路网中共同作用的情况,以更好地模拟现实中各类出行者的出行决策行为。本文的研究内容主要有:(1)恶劣天气对于道路交通影响分析与建模;(2)恶劣天气条件下路径选择异质性分析研究;(3)基于同质路径选择标准,建立恶劣天气场景下的单用户类UE模型;(4)基于路径选择异质性,在恶劣天气场景下考虑两种多用户类UE模型;(5)实际应用案例分析。本文的研究成果主要有:(1)S-TPI-UE模型中的路径行程时间,随着路径流量的增加、恶劣天气强度的加剧而增加。对于S-THoBI-UE模型,随着降雨强度的增大,出行者更倾向于选择对恶劣天气抵御能力更强(或对天气变化不敏感)的稳定型路径;当THoBI所感知的天气预报信息(EOP)准确率降低时,网络中的流量分布趋于均匀,即部分出行者将也会选择恶劣天气敏感型路径。算例结果证明,准确率更高的ATIS信息未必一定能够使交通网络系统整体的收益提高。(2)在THoBI普遍认为天气预报EOP准确的前提下,随着降雨强度逐渐增强的可能性的增加(即天气预报给出的EOP),发达地区和发展中地区选择稳定型路径的比例呈单调增加趋势。这说明随着天气场景的恶化,出行者总体都倾向于规避敏感型路径而集中于稳定型路径。发达地区所有出行者中选择恶劣天气稳定型路径的比例要高于发展中地区中所有出行者选择稳定型路径的比例。ATIS使得出行者们倾向性地集中于稳定型路径,而失去了ATIS的帮助,出行者们(THoBI)根据出行经验进行决策的时候,均衡流量相对均匀地分布于网络中稳定型路径和敏感型路径。(3)SDA算法的优点在于迭代原理与Frank-Wolfe算法相近,易于编程实施。但本文的算例也验证了SDA算法的缺点,即其前期收敛较快,即可在较少步数内达到理想收敛效果,但后期拖尾严重。(4)在实际情况中,实际路段费用函数对路段上的所有出行者都相同,则当网络场景处于最差条件时(如小雨、中雨、暴雨和大暴雨中的大暴雨),THoBI(的PSRTT)总是要低于网络场景的实际行程时间(即TPI的ARTT)。当网络场景处于最优条件时(如小雨、中雨、暴雨和大暴雨中的小雨),THoBI的PSRTT总是要高于网络场景的实际行程时间(即TPI的ARTT)。极端恶劣条件下,从路径选择比例上看,TPI、认为天气预报信息准确的THoBI、认为天气预报信息不准确的THoBI三类出行者由沿海敏感型路径向内陆稳定型路径转移的趋势和强度逐渐减弱。(5)不同恶劣天气强度下,大部分出行者(尤其是TPI)为了确保出行时间可靠性,会倾向于选择恶劣天气稳定型路径出行。从ATIS对于系统效益的作用上看,天气条件尚好时,路网通行能力尚未恶化,准确的ATIS(天气预报信息)可以使出行者充分利用通行能力较高的路径出行以缩短行程时间,此时,ATIS使得系统总效益提高;然而,天气条件恶劣时,路网通行能力迅速下降,准确的ATIS(天气预报信息)可导致出行者(尤其是TPI和认为天气预报准确的THoBI)大量聚集到稳定型路径上,此时,ATIS使得系统总效益降低。(6)低强度恶劣天气场景下,沿海新兴的高通行能力的GSCE-SS能够吸引大量ATIS装备出行者(即TPI),通过出行行为调查可以获知ATIS装备率进而预估在低强度恶劣天气场景下的流量分布,从而可以针对GSCE-SS采取相应的应急管理措施避免大量拥堵和延误。较高强度的恶劣天气场景下,管理部门工作重点转为重点保障在该高强度恶劣天气场景下仍选择该类路径出行的THoBI。