本文關(guān)鍵詞： 城市路網(wǎng) 動(dòng)態(tài)OD估計(jì) 動(dòng)態(tài)交通分配 交通傳播特性 狀態(tài)空間模型　出處：《東南大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：實(shí)時(shí)、準(zhǔn)確、可靠地捕捉城市道路交通系統(tǒng)承載能力和交通需求,實(shí)現(xiàn)供需兩側(cè)動(dòng)態(tài)平衡是城市道路交通管理的核心內(nèi)容,也是有效緩解交通擁堵的重要手段。就交通需求一側(cè)而言,既有研究在城市路網(wǎng)動(dòng)態(tài)交通需求(即OD流量)估計(jì)方面仍存在無法充分利用多源檢測(cè)數(shù)據(jù)以及對(duì)網(wǎng)絡(luò)層級(jí)交通需求的分布與傳播缺乏充分考慮等諸多問題,導(dǎo)致以控制和誘導(dǎo)為導(dǎo)向的諸多交通管理技術(shù)仍難有效應(yīng)用于大規(guī)模路網(wǎng)。鑒于此,本文利用易于檢測(cè)獲取的路段流量、交叉口轉(zhuǎn)向交通流量?jī)深惤煌鲾?shù)據(jù),提出了一種考慮交通傳播特性的城市路網(wǎng)動(dòng)態(tài)0D在線估計(jì)方法。論文的核心研究工作包括動(dòng)態(tài)OD在線估計(jì)方法研究、動(dòng)態(tài)交通分配建模、實(shí)例驗(yàn)證與評(píng)估三個(gè)方面,具體內(nèi)容總結(jié)如下。在動(dòng)態(tài)0D在線估計(jì)方法研究過程中,本文沿用傳統(tǒng)0D結(jié)構(gòu)分解思想,考慮OD流量自身所具有的結(jié)構(gòu)性和隨機(jī)性特征,提出了基于時(shí)間序列分解技術(shù)的動(dòng)態(tài)0D在線估計(jì)框架,將動(dòng)態(tài)OD在線估計(jì)問題分解為動(dòng)態(tài)結(jié)構(gòu)OD離線估計(jì)和動(dòng)態(tài)結(jié)構(gòu)偏差OD在線估計(jì)兩個(gè)部分。首先,本文以可觀測(cè)路段及交叉口轉(zhuǎn)向斷面結(jié)構(gòu)流量為基礎(chǔ)輸入數(shù)據(jù),通過Q-PARAMICS仿真軟件實(shí)現(xiàn)了對(duì)動(dòng)態(tài)結(jié)構(gòu)0D的離線估計(jì)。其次,針對(duì)既有相關(guān)研究在0D流量動(dòng)態(tài)結(jié)構(gòu)描述、狀態(tài)空間系統(tǒng)誤差統(tǒng)計(jì)特性以及狀態(tài)空間系統(tǒng)能觀性三個(gè)方面的不足,本文以可觀測(cè)路段及交叉口轉(zhuǎn)向斷面實(shí)時(shí)檢測(cè)流量與結(jié)構(gòu)流量之間的偏差為觀測(cè)變量,構(gòu)建了動(dòng)態(tài)結(jié)構(gòu)偏差0D在線估計(jì)狀態(tài)空間模型,并對(duì)上述三方面問題進(jìn)行了改進(jìn)。針對(duì)第一個(gè)問題,從真實(shí)OD流量無法獲取的普遍現(xiàn)實(shí)出發(fā),提出了以可觀測(cè)路段及交叉口轉(zhuǎn)向斷面歷史結(jié)構(gòu)偏差流量的自相關(guān)性檢驗(yàn)結(jié)果作為采用隨機(jī)游走過程描述不可觀測(cè)結(jié)構(gòu)偏差OD流量動(dòng)態(tài)結(jié)構(gòu)的理論依據(jù);針對(duì)第二個(gè)問題,提出了以可觀測(cè)路段及交叉口轉(zhuǎn)向斷面結(jié)構(gòu)偏差流量隨機(jī)游走過程誤差項(xiàng)的統(tǒng)計(jì)特性作為判斷狀態(tài)誤差統(tǒng)計(jì)特性的依據(jù),在此基礎(chǔ)上設(shè)計(jì)了動(dòng)態(tài)結(jié)構(gòu)偏差OD狀態(tài)空間模型的自適應(yīng)Kalman濾波估計(jì)算法;針對(duì)第三個(gè)問題,給出了動(dòng)態(tài)OD結(jié)構(gòu)偏差估計(jì)狀態(tài)空間系統(tǒng)能觀性代數(shù)判據(jù)的詳細(xì)推導(dǎo)過程,并應(yīng)用于實(shí)例分析,從理論上確保了動(dòng)態(tài)結(jié)構(gòu)偏差OD估計(jì)及其自適應(yīng)Kalman濾波過程的收斂性。動(dòng)態(tài)交通分配建模在本文中的主要目的是輸出動(dòng)態(tài)交通分配矩陣,為動(dòng)態(tài)結(jié)構(gòu)偏差OD狀態(tài)空間系統(tǒng)提供觀測(cè)矩陣。動(dòng)態(tài)交通分配矩陣的估計(jì)過程被分解為離線路徑選擇率估計(jì)和在線路徑流量貢獻(xiàn)率估計(jì)兩個(gè)環(huán)節(jié)。在離線路徑選擇率估計(jì)方面,本文首先針對(duì)城市道路網(wǎng)絡(luò)阻抗估計(jì)需充分考慮交叉口轉(zhuǎn)向延誤的現(xiàn)實(shí)問題,提出了城市道路交叉口擴(kuò)展方法及動(dòng)態(tài)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)提取方法;其次,在給出考慮交通傳播的離線路徑行程時(shí)間估計(jì)方法基礎(chǔ)上,設(shè)計(jì)了適用于城市道路網(wǎng)絡(luò)的時(shí)變K最短路徑搜索算法;最后,結(jié)合目標(biāo)研究路網(wǎng)特性提出了有效路徑約束條件,并考慮路徑重疊問題,選擇PS-Logit模型實(shí)現(xiàn)對(duì)路徑選擇率的離線估計(jì)。在路徑流量貢獻(xiàn)率估計(jì)方面,本文沿用傳統(tǒng)基于車輛包假設(shè)的估計(jì)方法,但是對(duì)傳統(tǒng)方法中車輛包始終保持恒定車頭時(shí)距的理想假設(shè)進(jìn)行了改進(jìn),提出采用在線估計(jì)獲得的車輛包首尾車輛車頭時(shí)距代替恒定車頭時(shí)距。在本文中,車輛包首尾車輛的在線車頭時(shí)距即為首尾車輛在線行程時(shí)間的差值。為了捕捉車輛包在路徑上的傳播過程,尤其是在信號(hào)控制交叉口處的"到達(dá)—離去"傳播特性,本文根據(jù)LWR理論提出了有限數(shù)據(jù)條件下基于虛擬車輛軌跡重構(gòu)的個(gè)體車輛行程時(shí)間在線估計(jì)方法,為車輛包首尾車輛車頭時(shí)距在線估計(jì)提供了有效手段�；�23個(gè)小區(qū)、31個(gè)交叉口和133個(gè)有向路段的真實(shí)路網(wǎng),本文對(duì)所提出的動(dòng)態(tài)OD估計(jì)方法進(jìn)行了驗(yàn)證與評(píng)估,包括動(dòng)態(tài)交通分配矩陣詳細(xì)估計(jì)過程、基于能觀性代數(shù)秩分析的OD估計(jì)狀態(tài)空間系統(tǒng)確定及Kalman濾波收斂情況分析、OD估計(jì)性能以及交通分配準(zhǔn)確性評(píng)估三個(gè)部分。在OD估計(jì)性能評(píng)估方面,濾波估計(jì)和一步預(yù)測(cè)準(zhǔn)確性總體平均分別可達(dá)87%和80%。不同需求水平下的評(píng)估結(jié)果表明,大流量OD對(duì)的濾波估計(jì)和一步預(yù)測(cè)準(zhǔn)確性顯著優(yōu)于中等流量和極小流量的OD對(duì),大流量OD對(duì)濾波估計(jì)和一步預(yù)測(cè)的準(zhǔn)確性分別高達(dá)95%和86%。不同擁堵水平下的評(píng)估結(jié)果表明,平峰時(shí)段的估計(jì)效果優(yōu)于高峰時(shí)段,其中平峰時(shí)段濾波估計(jì)和一步預(yù)測(cè)的準(zhǔn)確性分別可達(dá)91%和85%,早、晚高峰時(shí)段濾波估計(jì)和一步預(yù)測(cè)的準(zhǔn)確性分別為80%和75%左右。與擴(kuò)展?fàn)顟B(tài)空間模型的比較結(jié)果表明,論文提出的方法具有更高的估計(jì)精度和計(jì)算效率。交通分配準(zhǔn)確性評(píng)估方面,基于GEH指標(biāo)的分析結(jié)果顯示,在整個(gè)評(píng)估時(shí)段內(nèi)84.75%的可觀測(cè)路段和交叉口轉(zhuǎn)向的GEH指標(biāo)小于5;所有可觀測(cè)路段和交叉口轉(zhuǎn)向的GEH指標(biāo)小于10;平峰時(shí)段的分配準(zhǔn)確性顯著優(yōu)于早、晚高峰時(shí)段;不考慮處于估計(jì)過程收斂階段的早高峰時(shí)段,可認(rèn)為流量分配的準(zhǔn)確性較好�？傮w而言,實(shí)例分析結(jié)果表明論文所提出的方法對(duì)于城市道路網(wǎng)絡(luò)動(dòng)態(tài)OD在線估計(jì)及動(dòng)態(tài)交通分配表現(xiàn)出良好的估計(jì)性能。
[Abstract]:......
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：U491
，

本文編號(hào)：1471074