基于MSWA相继加权平均的交通流量分配算法matlab仿真

1.程序功能描述
基于MSWA相继加权平均的交通流量分配算法matlab仿真.如图所示交通网络中，包含6个节点、11各路段、9个OD对。经枚举可得每个OD对间存在3条无折返有效路径，共27条。

2.测试软件版本以及运行结果展示
MATLAB2022A版本运行

3.核心程序

``` if m == 1
r(m) = m^d;
else
r(m) = r(m-1) + m^d;
alpha(m) = m^d/r(m);
xa(:,m) = (1-alpha(m))xa(:,m-1) + alpha(m)ya(:,m);
end

if mean(abs(xa(:,m)-ya(:,m))) <= es & m > 1
   m%输出迭代次数
   break;
end

%27个路径迭代曲线图
indx=0;
for i = 1:Rdo
    for j = 1:Cdo
        for k = 1:3
            indx=indx+1;
            dss(indx,m) = PkOD(i,j,k);
        end
    end
end

end

figure;
plot(dss(1,:),'r','linewidth',2);hold on;
plot(dss(2,:),'k','linewidth',2);hold on;
plot(dss(3,:),'b','linewidth',2);hold on;
plot(dss(4,:),'m','linewidth',2);hold on;
plot(dss(5,:),'g','linewidth',2);hold on;
plot(dss(6,:),'c','linewidth',2);hold on;
legend('路径1','路径2','路径3','路径4','路径5','路径6');
xlabel('迭代次数');
ylabel('收敛值');
grid on

figure;
plot(dss(7,:),'r','linewidth',2);hold on;
plot(dss(8,:),'k','linewidth',2);hold on;
plot(dss(9,:),'b','linewidth',2);hold on;
plot(dss(10,:),'m','linewidth',2);hold on;
plot(dss(11,:),'g','linewidth',2);hold on;
plot(dss(12,:),'c','linewidth',2);hold on;
legend('路径7','路径8','路径9','路径10','路径11','路径12');
xlabel('迭代次数');
ylabel('收敛值');
grid on

figure;
plot(dss(13,:),'r','linewidth',2);hold on;
plot(dss(14,:),'k','linewidth',2);hold on;
plot(dss(15,:),'b','linewidth',2);hold on;
plot(dss(16,:),'m','linewidth',2);hold on;
plot(dss(17,:),'g','linewidth',2);hold on;
plot(dss(18,:),'c','linewidth',2);hold on;
legend('路径13','路径14','路径15','路径16','路径17','路径18');
xlabel('迭代次数');
ylabel('收敛值');
grid on

figure;
plot(dss(19,:),'r','linewidth',2);hold on;
plot(dss(20,:),'k','linewidth',2);hold on;
plot(dss(21,:),'b','linewidth',2);hold on;
plot(dss(22,:),'m','linewidth',2);hold on;
plot(dss(23,:),'g','linewidth',2);hold on;
plot(dss(24,:),'c','linewidth',2);hold on;
legend('路径19','路径20','路径21','路径22','路径23','路径24');
xlabel('迭代次数');
ylabel('收敛值');
grid on

figure;
plot(dss(25,:),'r','linewidth',2);hold on;
plot(dss(26,:),'k','linewidth',2);hold on;
plot(dss(27,:),'b','linewidth',2);hold on;
legend('路径25','路径26','路径27');
xlabel('迭代次数');
ylabel('收敛值');
grid on

figure;
bar([dss(:,end)]);
xlabel('路径');
ylabel('流量分配');
06_050m

```

4.本算法原理
基于MSWA（Modified Successive Weighted Averaging）相继加权平均的交通流量分配算法，是交通工程领域中用于预测和分析城市路网中交通流量分布的一种方法。它在经典的Stochastic User Equilibrium (SUE)模型基础上进行了改进，通过引入动态的权重策略，提高了分配结果的稳定性和收敛效率。MSWA算法特别适用于处理大尺度路网中复杂的路径选择行为和交通流动态变化问题。在交通流量分配问题中，核心目标是确定在给定的路网结构、出行需求和用户行为准则下，如何合理分配交通需求到路网中的各个路径上，以达到用户均衡状态。用户均衡（User Equilibrium, UE）意味着没有任何出行者能够通过改变自己的出行路径来减少个人旅行成本。

   MSWA算法的核心思想是通过迭代过程，逐步逼近用户均衡状态。每一轮迭代中，算法依据当前的流量分配情况，动态调整各路径的权重，以反映其相对拥挤程度，然后基于调整后的权重重新分配交通流量。这种动态调整机制有助于算法更快地收敛到均衡解。

  利用相继加权平均算法（MSWA）求解配流结果，算法步骤如下：