基于多源異構(gòu)數(shù)據(jù)的城市路網(wǎng)動態(tài)車流OD估計
發(fā)布時間：2022-01-03 17:37
作為研究道路網(wǎng)交通流及各種交通仿真模型的重要前提和進行精細化城市交通控制的重要依據(jù),如何得到動態(tài)車流OD（Origin-Destination,OD）需求是交通領(lǐng)域中的一項重要研究課題。為此,大量研究在各種靜態(tài)OD估計模型及方法的基礎(chǔ)上,考慮車流在路網(wǎng)上的實際傳播過程,建立OD需求與各斷面流量觀測值（包括路段斷面流量和交叉口轉(zhuǎn)向流量等）之間的動態(tài)映射關(guān)系——即建立動態(tài)分配矩陣,從而將原有的靜態(tài)OD估計模型轉(zhuǎn)化為動態(tài)估計模型。而隨著先進的通信及計算機等技術(shù)在道路交通檢測中的大范圍應用（如車載GPS、視頻車牌識別等）,使得道路交通流的檢測突破了以往只能得到斷面流量、占有率和速度的限制,進一步可得到車輛的行駛路徑信息�；诖�,本文綜合利用了GPS數(shù)據(jù)、視頻車牌識別數(shù)據(jù)以及斷面流量數(shù)據(jù)等,構(gòu)建了基于多源異構(gòu)數(shù)據(jù)的城市路網(wǎng)動態(tài)車流OD估計模型。首先,為了使所構(gòu)建的模型能夠反映真實的OD分布情況,本文依據(jù)出租車GPS數(shù)據(jù)輔助構(gòu)建了適用于動態(tài)車流OD估計的路網(wǎng)級交通小區(qū)。其次,在確定的交通小區(qū)分布的前提下,基于GPS數(shù)據(jù)和視頻車牌識別數(shù)據(jù)提取OD點對之間的需求觀測值,并基于概率統(tǒng)計理論對所提取的OD...
【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：84 頁
【學位級別】：碩士
【部分圖文】：
某一輛出租車6:00~10:00GPS數(shù)據(jù)點分布圖
1其中， i 即為 Z 值； 是要素 的屬性值， 是要素 與要素 之間的空間權(quán)重。 1 （2.13） 2 1 ( ) （2.14）基于以上假設(shè)及統(tǒng)計量采用 t 檢驗對以上進行檢驗，并根據(jù)所設(shè)定的顯著性水平進行判別。如下圖所示，在 i 算法中，對于具有顯著統(tǒng)計學意義的正的 Z 值，Z 值越高，高值（熱點）的聚類就越緊密；而對于統(tǒng)計學上的顯著性負 Z 值，Z 值越低，低值（冷點）的聚類就越緊密。然而不同于對一般樣本的分析，在地里空間要素分析中，樣本數(shù)量往往很大，而即便針對所設(shè)定的顯著性水平而言，在大樣本數(shù)據(jù)的前提下其出現(xiàn)超過誤差范圍的樣本數(shù)據(jù)在數(shù)量上也是可觀的。因此，在實際應用中常采用 FDR（FalseDiscoveryRate，F(xiàn)DR）對多重比較和空間依賴性檢驗對結(jié)果進行調(diào)整，按顯著性水平進行分類，得到最終的熱點區(qū)域。FDR 校正針對給定的置信度來計算誤報的數(shù)量并相應地調(diào)整臨界 p 值[43]。使用該方法時，具有統(tǒng)計顯著性的 p 值按照從最�。ㄗ顝姡┑阶畲螅ㄗ钊酰┑捻樞蚺判�，并根據(jù)誤報估算結(jié)果將最弱的 p 值從列表中移除。
第二章 基于出租車 GPS 軌跡的交通小區(qū)構(gòu)建（2）出租車乘客上下車熱點分析在此，本文選取昆山市某一區(qū)域為研究對象，如圖 2-5 所示。依據(jù)前文所提取的乘客上下車位置信息（該區(qū)域的乘客上下車位置分布如圖 2-5 所示），可以發(fā)現(xiàn)的是乘客上下車的位置點大多集中在道路兩側(cè)，且相較于下車位置點（圖 2-5 中紅色標記位置）的分布，乘客上車位置點（圖 2-5 中綠色標記位置）的分布更為集中，這與出租車大多采用路邊“招手”載客的運行特性相一致；而乘客的下車位置會盡量接近其真實的出行終點位置，即出租車上下客位置一般與乘客真實出行的起終點位置存在一些差異。因此，為了進一步分析出租車乘客上車熱點與下車熱點區(qū)域的異同，此處將采用上述方法分別對所選區(qū)域的出租車乘客的上車位置和下車位置進行了分析。在此基礎(chǔ)上，本文又綜合考慮了出租車乘客上下車的位置信息，不加區(qū)分地進行了熱點分析以上三種情況的最終結(jié)果如下圖 2-6 所示。
【參考文獻】：
期刊論文
[1]基于車輛自動識別技術(shù)的動態(tài)OD矩陣估計新方法[J]. 孫劍,馮羽. 同濟大學學報(自然科學版). 2013(09)
[2]城市道路網(wǎng)絡(luò)交通小區(qū)劃分方法研究[J]. 李曉丹,楊曉光,陳華杰. 計算機工程與應用. 2009(05)
[3]全路網(wǎng)改進動態(tài)O-D反推模型[J]. 焦朋朋,陸化普. 清華大學學報(自然科學版). 2006(09)
[4]城市道路網(wǎng)絡(luò)動態(tài)OD估計模型[J]. 何兆成,余志. 交通運輸工程學報. 2005(02)
[5]基于廣義最小二乘模型的動態(tài)交通OD矩陣估計[J]. 林勇,蔡遠利,黃永宣. 系統(tǒng)工程理論與實踐. 2004(01)
[6]基于卡爾曼濾波的動態(tài)OD矩陣估計[J]. 林勇,蔡遠利,黃永宣. 系統(tǒng)工程理論與實踐. 2003(10)
博士論文
[1]基于交通傳播特性分析的城市路網(wǎng)動態(tài)OD在線估計[D]. 聶慶慧.東南大學 2017
本文編號：3566691
【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：84 頁
【學位級別】：碩士
【部分圖文】：
某一輛出租車6:00~10:00GPS數(shù)據(jù)點分布圖
1其中， i 即為 Z 值； 是要素 的屬性值， 是要素 與要素 之間的空間權(quán)重。 1 （2.13） 2 1 ( ) （2.14）基于以上假設(shè)及統(tǒng)計量采用 t 檢驗對以上進行檢驗，并根據(jù)所設(shè)定的顯著性水平進行判別。如下圖所示，在 i 算法中，對于具有顯著統(tǒng)計學意義的正的 Z 值，Z 值越高，高值（熱點）的聚類就越緊密；而對于統(tǒng)計學上的顯著性負 Z 值，Z 值越低，低值（冷點）的聚類就越緊密。然而不同于對一般樣本的分析，在地里空間要素分析中，樣本數(shù)量往往很大，而即便針對所設(shè)定的顯著性水平而言，在大樣本數(shù)據(jù)的前提下其出現(xiàn)超過誤差范圍的樣本數(shù)據(jù)在數(shù)量上也是可觀的。因此，在實際應用中常采用 FDR（FalseDiscoveryRate，F(xiàn)DR）對多重比較和空間依賴性檢驗對結(jié)果進行調(diào)整，按顯著性水平進行分類，得到最終的熱點區(qū)域。FDR 校正針對給定的置信度來計算誤報的數(shù)量并相應地調(diào)整臨界 p 值[43]。使用該方法時，具有統(tǒng)計顯著性的 p 值按照從最�。ㄗ顝姡┑阶畲螅ㄗ钊酰┑捻樞蚺判�，并根據(jù)誤報估算結(jié)果將最弱的 p 值從列表中移除。
第二章 基于出租車 GPS 軌跡的交通小區(qū)構(gòu)建（2）出租車乘客上下車熱點分析在此，本文選取昆山市某一區(qū)域為研究對象，如圖 2-5 所示。依據(jù)前文所提取的乘客上下車位置信息（該區(qū)域的乘客上下車位置分布如圖 2-5 所示），可以發(fā)現(xiàn)的是乘客上下車的位置點大多集中在道路兩側(cè)，且相較于下車位置點（圖 2-5 中紅色標記位置）的分布，乘客上車位置點（圖 2-5 中綠色標記位置）的分布更為集中，這與出租車大多采用路邊“招手”載客的運行特性相一致；而乘客的下車位置會盡量接近其真實的出行終點位置，即出租車上下客位置一般與乘客真實出行的起終點位置存在一些差異。因此，為了進一步分析出租車乘客上車熱點與下車熱點區(qū)域的異同，此處將采用上述方法分別對所選區(qū)域的出租車乘客的上車位置和下車位置進行了分析。在此基礎(chǔ)上，本文又綜合考慮了出租車乘客上下車的位置信息，不加區(qū)分地進行了熱點分析以上三種情況的最終結(jié)果如下圖 2-6 所示。
【參考文獻】：
期刊論文
[1]基于車輛自動識別技術(shù)的動態(tài)OD矩陣估計新方法[J]. 孫劍,馮羽. 同濟大學學報(自然科學版). 2013(09)
[2]城市道路網(wǎng)絡(luò)交通小區(qū)劃分方法研究[J]. 李曉丹,楊曉光,陳華杰. 計算機工程與應用. 2009(05)
[3]全路網(wǎng)改進動態(tài)O-D反推模型[J]. 焦朋朋,陸化普. 清華大學學報(自然科學版). 2006(09)
[4]城市道路網(wǎng)絡(luò)動態(tài)OD估計模型[J]. 何兆成,余志. 交通運輸工程學報. 2005(02)
[5]基于廣義最小二乘模型的動態(tài)交通OD矩陣估計[J]. 林勇,蔡遠利,黃永宣. 系統(tǒng)工程理論與實踐. 2004(01)
[6]基于卡爾曼濾波的動態(tài)OD矩陣估計[J]. 林勇,蔡遠利,黃永宣. 系統(tǒng)工程理論與實踐. 2003(10)
博士論文
[1]基于交通傳播特性分析的城市路網(wǎng)動態(tài)OD在線估計[D]. 聶慶慧.東南大學 2017
本文編號：3566691
本文鏈接：http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3566691.html
