隨著社會、經(jīng)濟(jì)、科技的快速發(fā)展,城市化問題日益嚴(yán)重,特別是人口急劇膨脹打破了城市交通需求和交通供給間的平衡,最直接的表現(xiàn)為交通擁擠及出行時間變長。為解決日益嚴(yán)重的交通問題,智能交通系統(tǒng)(ITS)應(yīng)運而生,它能夠根據(jù)路網(wǎng)實時的交通狀態(tài)提供切實有效的交通管理和誘導(dǎo)方案,為緩解交通擁堵、提高道路通行效率提供技術(shù)支撐。OD需求信息是分析路網(wǎng)交通狀態(tài)的基礎(chǔ),近年來各國學(xué)者從不同方面對OD需求進(jìn)行了研究,然而受網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度、多種數(shù)據(jù)不易獲取的影響,目前建立的OD估計模型多是基于路段流量展開的,綜合多源檢測器數(shù)據(jù)進(jìn)行的研究較少。因此在此背景下,本文提出基于多源數(shù)據(jù)的動態(tài)OD估計方法研究,以期充分挖掘多種檢測器數(shù)據(jù)價值實現(xiàn)對動態(tài)OD需求的有效估計,從而為路徑誘導(dǎo)系統(tǒng)和交通管理系統(tǒng)提供基礎(chǔ)支撐,對緩解交通擁堵,建設(shè)和諧、宜居、便利的城市環(huán)境具有重要意義。本文的研究目的在于以多類型數(shù)據(jù)和多種交通檢測器數(shù)據(jù)為基礎(chǔ),利用多源數(shù)據(jù)與交通需求間的內(nèi)在聯(lián)系建立用于城市交通網(wǎng)絡(luò)的動態(tài)OD估計模型,能夠根據(jù)路網(wǎng)中檢測到的部分路段流量、交叉口轉(zhuǎn)向流量、車牌識別系統(tǒng)檢測到的部分軌跡流量、浮動車行駛軌跡等交通信息,求解得到路網(wǎng)動態(tài)OD需求,簡化路網(wǎng)動態(tài)交通需求的獲取途徑,提高交通大數(shù)據(jù)的利用率,為智能交通管理系統(tǒng)提供理論支撐。全文的主要工作如下:1、動態(tài)OD估計理論基礎(chǔ)研究。回顧現(xiàn)有動態(tài)OD需求研究中主要的建模方法、建模思路、基礎(chǔ)數(shù)據(jù)的類型,重點研究路網(wǎng)動態(tài)OD估計中涉及的路徑選擇問題、動態(tài)交通分配問題和行程時間問題及其解決方法,理清路網(wǎng)中交通參數(shù)間的動態(tài)關(guān)系,明確模型所需的基礎(chǔ)數(shù)據(jù)類型、輸出結(jié)果、約束條件等。2、多源數(shù)據(jù)處理及修復(fù)方法研究。對多源數(shù)據(jù)的采集方法和主要應(yīng)用方向進(jìn)行了回顧,重點研究了多源數(shù)據(jù)用于提高檢測數(shù)據(jù)質(zhì)量的方法。針對檢測數(shù)據(jù)存在數(shù)據(jù)異常或缺失等情況按照問題數(shù)據(jù)出現(xiàn)的頻率,分別提出了單個時段數(shù)據(jù)修復(fù)方法和連續(xù)時段數(shù)據(jù)修復(fù)方法。在案例研究中,將提出的方法與傳統(tǒng)數(shù)據(jù)修復(fù)方法進(jìn)行對比,通過計算不同修復(fù)方法的誤差評價指標(biāo)(MAE、MSE、RMSE、MAPE),說明提出方法的可行性及數(shù)據(jù)修復(fù)效果。此外,研究并分析了問題數(shù)據(jù)的個數(shù)對數(shù)據(jù)修復(fù)結(jié)果的影響。3、基于車輛軌跡信息的分配矩陣計算方法。利用實時檢測的車輛行駛軌跡數(shù)據(jù)和車牌識別系統(tǒng)檢測的車輛牌照信息描述交通需求與交通流量檢測過程的動態(tài)關(guān)系,構(gòu)建交通分配矩陣計算方法。在路徑選擇模型中,引入Path-Size Logit模型,綜合考慮實時獲取的行程時間和路段長度作為出行阻抗,避免了MNL模型的缺陷和既有研究中關(guān)于選擇同一路徑行駛的車輛組中車輛保持相同車頭間距的假設(shè),使路徑選擇行為打破了FIFO的規(guī)則。4、基于多源數(shù)據(jù)的動態(tài)OD估計方法研究。通過分析路網(wǎng)中各交通參數(shù)與OD需求的內(nèi)在聯(lián)系,從時間和空間兩個角度構(gòu)建了基于狀態(tài)空間模型的多源數(shù)據(jù)路網(wǎng)動態(tài)OD估計模型,模型中將部分路段流量、交叉口轉(zhuǎn)向流量、部分路徑流量作為直接檢測數(shù)據(jù),減少了未知參數(shù)的個數(shù)。案例研究中設(shè)計了4種情景進(jìn)行對比分析,通過對比不同情景的誤差評價指標(biāo)(MAE、MSE、RMSE、MAPE)結(jié)果,分析得到不同已知交通數(shù)據(jù)類型和已知數(shù)據(jù)數(shù)目對動態(tài)OD估計結(jié)果的影響:(1)已知數(shù)據(jù)類型越豐富,估計結(jié)果越接近真實OD需求結(jié)果;(2)對于同種數(shù)據(jù)類型,已知數(shù)據(jù)個數(shù)越多,估計結(jié)果精度越高。情景Ⅳ中考慮了檢測數(shù)據(jù)存在缺失或異常的情況,通過對比分析模型計算結(jié)果與實際需求結(jié)果的誤差指標(biāo),得到數(shù)據(jù)質(zhì)量對OD估計結(jié)果的影響,并且解釋了數(shù)據(jù)修復(fù)方法對動態(tài)OD估計模型的誤差傳遞影響。
【學(xué)位單位】：北京建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491
【部分圖文】：

第 4 章問題數(shù)據(jù)識別與修復(fù)模型,j k x ，則, ,, , =i j j ki j ki kf x x f x xf x x xx x 。推廣到一般情況，kx的 k 階 差 商 為 0 1, , ,f x x 0 1 -1 1 20, , , - , , ,, =k kkkf x x x f x x xxx x 。有如下曲線（如圖 4-1 所示），已知節(jié)點 0 0x ,y ， 1 1x ,y ，則圖中（一次多項式）可用 1 01 0 01 0y yx y x xx x 表示。

第 4 章問題數(shù)據(jù)識別與修復(fù)模型故證明得到每增加一個節(jié)點，多項式函數(shù)僅增加一項的結(jié)論，假設(shè)成立。交通流數(shù)據(jù)具有時變、非線性的特點，另外受信號燈控制、行人過街、交通堵塞等因素影響，相鄰短時間內(nèi)（2-5min）的交通量檢測值可能變化很大如圖 4-2 所示，如果利用時間序列的數(shù)據(jù)進(jìn)行牛頓插值計算，插值點前后的數(shù)據(jù)不具有系統(tǒng)整體變化趨勢，插值結(jié)果可能會有較大偏差，因此如果能利用體現(xiàn)系統(tǒng)整體變化趨勢的數(shù)據(jù)進(jìn)行插值計算，則可以減小誤差的程度。

33圖 4-3 流量-占有率關(guān)系圖Fig. 4-3 The relation curve between traffic flow and occupancy圖 4-3 表示的是流量與占有率的趨勢變化圖，從圖中可以看出兩者存在明顯的函數(shù)關(guān)系：占有率越大，每 5 分鐘內(nèi)的車流量越大。利用這一關(guān)系計算得到問題數(shù)據(jù)的修復(fù)值可以大大降低由插值數(shù)據(jù)趨勢不準(zhǔn)確導(dǎo)致的誤差，因此本文提出在問題數(shù)據(jù)修復(fù)之前，先將流量數(shù)據(jù)按照對應(yīng)占有率大小升序排列，然后再進(jìn)行牛頓插值計算。此方法的優(yōu)點在于利用了離散數(shù)據(jù)信息和流量與占有率之間的關(guān)系，在計算前縮小節(jié)點偏差，借助系統(tǒng)平均變化趨勢提高插值精度。因此，將此方法稱為改進(jìn)牛頓插值數(shù)據(jù)修復(fù)法。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李瑞敏;陳熙怡;張睿博;;基于路口轉(zhuǎn)彎流量的OD估計方法研究[J];交通運輸系統(tǒng)工程與信息;2015年06期

2 蔡茜;臧照奇;周圍;周清雅;;基于多源數(shù)據(jù)的干線協(xié)調(diào)控制策略[J];交通運輸研究;2015年05期

3 史巖;董宏輝;張瑜;單慶超;劉鍇;;多源檢測器的交通數(shù)據(jù)融合研究[J];道路交通與安全;2015年03期

4 孫劍;馮羽;;基于車輛自動識別技術(shù)的動態(tài)OD矩陣估計新方法[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2013年09期

5 李慧兵;楊曉光;;面向浮動車取樣偏差修正的數(shù)據(jù)融合方法[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2012年10期

6 孫劍;楊宇偉;李克平;;OD矩陣估計中的AVI設(shè)施布局優(yōu)化[J];公路交通科技;2010年08期

7 翁劍成;劉力力;杜博;;基于ETC電子收費數(shù)據(jù)的信息提取技術(shù)研究[J];交通運輸系統(tǒng)工程與信息;2010年02期

8 黃美靈;陸百川;;基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2010年01期

9 楊兆升;于悅;楊薇;;基于固定型檢測器和浮動車的路段行程時間獲取技術(shù)[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年S2期

10 熊文華;徐建閩;林思;;基于BP網(wǎng)絡(luò)的浮動車與線圈檢測數(shù)據(jù)融合模型[J];計算機(jī)仿真;2009年09期

相關(guān)會議論文 前2條

1 晏松;王軍利;朱茵;;基于神經(jīng)網(wǎng)絡(luò)算法的多源交通數(shù)據(jù)融合研究[A];2014第九屆中國智能交通年會大會論文集[C];2014年

2 張昕;關(guān)志超;胡斌;趙一斌;楊東援;;實時動態(tài)交通信息服務(wù)的數(shù)據(jù)融合技術(shù)研究[A];2008第四屆中國智能交通年會論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 王京;基于交通流參數(shù)的動態(tài)OD估計方法研究[D];吉林大學(xué);2012年

2 刁陽;城市路網(wǎng)動態(tài)OD矩陣估計仿真方法研究[D];上海交通大學(xué);2011年

3 趙慧;基于二源數(shù)據(jù)的城市路網(wǎng)動態(tài)OD估計模型與算法[D];北京交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前3條

1 周旭;基于RFID數(shù)據(jù)的動態(tài)OD矩陣估計研究[D];東南大學(xué);2015年

2 葉源潮;基于RFID的動態(tài)OD數(shù)據(jù)獲取方法及應(yīng)用[D];蘭州理工大學(xué);2014年

3 李明珠;基于浮動車數(shù)據(jù)的出租汽車OD分布及運營特點研究[D];北京交通大學(xué);2009年

本文編號：2834828