公交客流OD矩阵推算

公交客流OD矩阵是／2-交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。     

公交线路客流OD矩阵推算方法研究

公交线路客流OD矩阵是公共交通管理和控制不可缺少的信息.参照机动车OD矩阵反推技术,对公交线路客流OD矩阵推算进行了专门研究.在公交线路客流OD调查数据的基础上,分析得到居民公交出行规律.首次建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,分别采用原始资料作为先验OD和重力模型形式的先验OD对模型进行求解,结果证明该模型精度较高.     

����VISUMģ�͵Ĺ���OD�����о�——��������Ϊ��

OD矩阵是公交线网规划和线网优化的重要依据.OD矩阵反推是获取公交OD数据的有效方法.相关文献中,针对城市整体公交体系的研究较少.依据西宁市建成区所有公交线路上客、下客、车上乘客的调查数据,采用VISUM软件构建了基于等概率下客分布、距离概率下客分布的公交OD矩阵反推模型;然后在VISUM全市整体公交模型中,将各线路反推所得到的OD矩阵归并至交通小区,并通过模型分配得到的路段客流与线路调查得到的路段实际客流比较,检验公交OD反推方法的有效性.研究表明,等概率分布OD矩阵反推在西宁案例中的精度与可靠性较高.最后指出,乘客在各站的下客概率影响因素较多,把握并合理运用其规律是公交OD反推的关键.     

基于GPS和IC卡数据的公交出行OD推算方法

主要基于GPS和公交IC卡数据研究推算交通小区公交出行OD的一种方法。将居民公交出行分为闭合型出行链和非连续型公交出行链,通过数据的挖掘融合技术,结合居民公交出行规律推算交通小区的公交OD矩阵,利用站点吸引强度对无明显规律的紊乱出行数据进行修正,提出了基于GPS和公交IC卡数据推算公交出行交通小区OD的方法,并以佛山市中心城区为例验证推算方法的可靠性。研究表明:所得公交出行OD矩阵精度较高。     

由车站上下车客流量估计铁路OD矩阵

旅客出行OD矩阵是旅客列车开行重要的基础数据。本文主要介绍了一种利用上下车的客流推算路段流量，然后由路段流量反推导旅客出行OD矩阵的方法。这个方法建立了多路径交通分配和反推模型，设计了反推模型的迭代算法，并进行了算法分析。文中的算例给出了该方法的合理性与精确性．     

城市快速路系统OD矩阵推算技术研究

城市快速路OD信息是进行快速路交通运营、建设绩效分析的基础,采取恰当方法推算快速路OD矩阵可以减少直接询问OD信息的工作量、避免道路拥堵及其所造成OD信息受到扰动. 本文提出了基于进出匝道交通量和部分路段交通量,以快速路单方向一对相邻进出匝道划分交通小区,应用重力模型与双约束Frator法建立高质量先验OD矩阵,借助TransCAD交通规划软件中的矩阵反推模块进行矩阵推算,多角度检验OD矩阵推算效果的系统方法,并在广州市内环路快速路系统上进行了实例验证. 结果显示,应用本文方法设定先验OD矩阵与推算OD矩阵后,拟合的路段及进出匝道上的分配交通量误差、平均出行距离与日周转量误差均较小. 表明推算OD矩阵具有较高的准确性和可靠性,该方法是适用于快速路交通流分析的一种简便可靠的方法.     

���п���·ϵͳOD�������㼼���о�

城市快速路OD信息是进行快速路交通运营、建设绩效分析的基础,采取恰当方法推算快速路OD矩阵可以减少直接询问OD信息的工作量、避免道路拥堵及其所造成OD信息受到扰动. 本文提出了基于进出匝道交通量和部分路段交通量,以快速路单方向一对相邻进出匝道划分交通小区,应用重力模型与双约束Frator法建立高质量先验OD矩阵,借助TransCAD交通规划软件中的矩阵反推模块进行矩阵推算,多角度检验OD矩阵推算效果的系统方法,并在广州市内环路快速路系统上进行了实例验证. 结果显示,应用本文方法设定先验OD矩阵与推算OD矩阵后,拟合的路段及进出匝道上的分配交通量误差、平均出行距离与日周转量误差均较小. 表明推算OD矩阵具有较高的准确性和可靠性,该方法是适用于快速路交通流分析的一种简便可靠的方法.     

城市公交枢纽换乘客流OD动态预测方法

换乘枢纽衔接公交线路的换乘客流OD是APTS下实施公交多线路动态协调调度的基础数据。以公交线路上下车乘客数的自动获取为前提,建立换乘OD推算优化模型,并设计了BP神经网络求解算法,应用数值试验对神经网络中的核心参数进行了标定。算例表明:BP神经网络为动态更新公交枢纽换乘客流OD提供了一种经济、有效的方法。     

城市公交客流调查数据的修正

城市公交客流调查数据是进行城市公交科学决策的重要依据,特别是乘客OD矩阵更是优化公交调度的重要参考指标.然而公交客流调查数据产生偏差不可避免.对上、下车人数采用权重法进行修正,对乘客起讫点(OD)矩阵数据采用弗尼斯法进行修正,经实例验证是较好的数据修正方法.     

����СƱ���Ĺ�������OD���������о�

针对目前常规公交客流OD调查抽样率及准确率难以保证的缺陷,提出调查公交客流OD的小票法. 该方法可采集各站点的上下车人数及每位乘客的上下车站点信息. 本文基于小票法调查数据的基础上提出一种公交客流OD分析方法：在分析小票法原理的基础上得到乘客OD的分析算法,通过ACCESS实现乘客上车站点查询,获取公交客流OD,并通过修正和扩样,准确得到公交客流OD. 最后将公交客流OD导入 EMME中,进行公交客流分配,即可输出断面客流及各站点上下车人数等信息. 该方法在厦门市公交客流OD调查中得到运用,取得很好的效果,证明了该方法的有效性.     

基于OD反推的公交站点团OD矩阵预测

城市公共交通的公交站点数量多,在实际操作中,预测站点之间的客流OD分布往往非常困难,因此需把与主要客流集散点相近的站点合并成公交站点团．通过预测站点团的OD矩阵来掌握客流量的分布情况,从而为合理布置公交线网、站场提供科学依据。     

基于OD反推的公交站点团OD矩阵预测

城市公共交通的公交站点数量多,在实际操作中,预测站点之间的客流OD分布往往非常困难,因此需把与主要客流集散点相近的站点合并成公交站点团,通过预测站点团的OD矩阵来掌握客流量的分布情况,从而为合理布置公交线网、站场提供科学依据。     

基于客流量的城市公共交通运营财政补贴分配优化研究

目前我国大多数城市对公共交通企业亏损都是采用政府和企业协商确定政策性亏损补贴的方法,但这种方法不仅没有提高公交企业的运营效率,而且也没有减轻政府财政补贴的负担.本文分析道路交通和轨道交通的客流量,将轨道交通的趋势客流和道路交通向轨道交通的转移客流的总和作为道路交通企业需要对轨道交通企业进行补贴分配的客流量;应用经济学中的资源配置问题,将公共交通运营收入的财政补贴和公共交通车辆改造的财政补贴看作两种资源,并将其分别分配到道路交通和轨道交通中;以客流量为约束条件,并根据线性规划的对偶理论推算城市公共交通运营财政补贴的影子价格;再联合分配客流量构建城市公共交通运营财政补贴的分配优化模型;最后以重庆市的公共交通为例,验证模型的可行性.     

基于逆向重力模型的枢纽机场旅客吞吐量估计方法

为了利用航空OD客流数据精确估计机场旅客吞吐量,描述了全连通线性航线网络和枢纽辐射航线网络,根据枢纽机场之间的OD客流矩阵,建立了逆向重力模型标准代数算法和基于哈密顿图原理的简化代数算法,分析了在不同距离修正指数下,算法的拟合与估计精度。分析结果表明:简化代数算法与模型标准代数算法最优吞吐量回归直线的可决系数都为0.84,斜率分别为0.91和0.87,比较接近。可见算法的拟合效果优良,估计精度高,且简化代数算法需要的数据少,尤其适合大规模OD矩阵分析。     

���ڳ��⳵OD���ݵij��⳵������������

出租车在城市客运交通中发挥着重要作用，本文在分析出租车OD数据分析一般方法的基础上，构建了出租车出行特征、出行时间分布及出行空间分布的指标体系和分析方法，并以苏州市为例，结合40万余条OD数据，对比分析了工作日、节假日（周末）以及特殊节日（五一黄金周）出租车的出行特征，为出租车运营及城市交通管理提供定量的决策参考依据。     

手机数据在交通调查和交通规划中的应用

手机作为一种理想的交通探测器,为居民出行信息分析提供了很好的技术选择。将手机数据映射至交通分析单元,并经信息预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据运算处理,最终可获得居民出行特征数据。利用长期历史手机话单数据,可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。手机信令数据能够较完整地识别手机用户的出行轨迹,可进一步应用于分析城市人口时空动态分布、特定区域客流集散、查核线断面或关键通道客流、轨道交通客流特征、出行时耗、出行距离、出行强度、道路交通状态等。根据天津手机话单数据应用案例及上海手机信令数据应用案例,验证了技术可行性。     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

大城市客运铁路枢纽客流分配模型

不同时段内,不同区位的旅客会根据不同的接驳方式及城际列车班次进行城际出 行.只根据城际间的出行成本无法准确地刻画旅客的出行.在已知不同时段内城市间各分区 OD客流、城际列车时刻表和铁路枢纽布局的前提下,构建城市内接驳交通网络;利用多项 Logit 模型,建立各个交通分区到铁路车站的接驳子模型;进而利用列车时刻表得到城际出行 成本,并考虑列车拥挤造成的成本增加,根据总成本最小原则及接驳子模型,构建分时段的铁 路枢纽客流分配模型.通过改进的MSA算法进行求解,得到各时段内各交通分区到铁路车站、 以及铁路车站之间的客流量.最后通过算例,对方法的可行性及有效性进行了验证.