交通网络中动态OD矩阵估计模型研究

动态起点-迄点（OD）矩阵为智能交通系统提供所需的基础数据。为了提高交通网络中动态OD矩阵估计的精度,在最小化路段实际交通量和分配交通量之间差值以及最小化历史OD矩阵和待估计OD矩阵之间差值的基础上,将浮动车采集信息融合到OD矩阵估计过程中;在动态网络加载过程中,OD矩阵估计值如果大于加载车辆数会使网络中的定点问题求解发散。为了避免该情况的发生,基于广义最小二乘模型并引入容量约束,提出1种带不等式约束的动态OD矩阵估计方法。仿真实验表明,该方法对于OD矩阵估计的精度较好,优于带滑动窗的广义最小二乘算法。     

基于ATIS下的OD矩阵估计

利用ATIS收集的信息,通过广义最小二乘模型,建立了一种新的OD矩阵估计方法。新方法利用ATIS能得到装有GPS车辆的路段选择比例矩阵,据此可推出网络中全部车辆的路段选择比例矩阵的期望值,克服了传统方法采集数据难、数据精度低等缺陷。新方法能获得实时可靠的数据,能对OD矩阵进行实时更新,从而增强了数据的实效性。在对新方法解的有关性质进行分析的基础上,给出了相应的求解算法,得出新方法的目标函数局部最优解是全局最优解,目标函数的解不唯一,但OD估计量唯一。数值仿真表明新算法非常有效,与传统方法相比,新方法是一种精度高、可靠性强的估计方法。     

随机用户均衡条件下反推OD矩阵的可靠性研究

由于随机用户均衡模型求解的复杂性,人们对基于该模型的反推OD矩阵的可靠性提出质疑.针对这一问题,文章以交通规划软件TransCAD为实验平台,通过所设计的实验对随机用户均衡条件下反推OD矩阵的可靠性进行了研究.实验结果表明:路段流量样本和初始OD矩阵等输入数据对反推OD矩阵可靠性影响明显,增加路段样本量或降低初始OD矩阵的偏差均能有效的提高反推OD矩阵的可靠性.     

基于抽样轨迹数据和改进最小二乘模型的信控路网路径流量估计方法

路径流量是精细化交通规划和管控的基础,对识别路网的关键通道、路径、流向和节点具有重要作用.为了解决现有路径流量估计方法在模型假设和方法适用性上存在的局限性,提出一种以抽样车辆轨迹数据作为唯一输入数据源的信号控制路网路径流量估计方法.该方法对基于经典广义最小二乘法的OD估计模型进行改进拓展,以路网路径流量和交叉口流向流量...     

观测路径出行时间下随机网络交通需求估计

道路网络起讫点（OD）需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件。综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型。上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间的偏差,约束为交通需求、路段流量、路段出行时间与路径出行时间之间的传播关系,通过高斯混合模型（GMM）对其中轨迹未知的观测出行时间依概率聚类。下层为随机网络交通出行均衡模型,分别运用出行时间预算和随机用户均衡处理路网不确定性和出行者感知误差。上、下层之间通过交通需求和OD-路段关联比例进行信息传递。设计迭代算法框架求解双层规划模型,迭代算法包含求解上层模型的最速下降法、求解下层模型的相继平均算法和求解GMM模型的最大期望（EM）算法。通过算例表明轨迹未知的路径出行信息的加入在提升需求估计精度的同时也增大了估计值的方差;设计的迭代算法能够稳定收敛到10^-5的精度;GMM软聚类方法估计的交通需求显著优于硬聚类方法估计的需求值;交通需求值对观测路径出行时间的扰动更加敏感。研究考虑出行者风险态度,通过轨迹信息的重新构建揭示城市交通需求演化规律。     

基于路段流量二阶统计量的OD矩阵估计

在构建OD矩阵模型时,充分考虑路网中一定连续期内各路段流量的二阶统计量和出行者路径选择的随机性,提出了一种基于路段流量二阶统计量的OD矩阵估计模型,解决了观测路段的相关性和OD矩阵估计求解的不确定性问题.建立的模型所表述的路段出行量和实际路网中的出行量更加吻合.结合实例,说明了模型的可行性和有效性.     

基于随机需求的离散交通网络设计

由于影响因素众多,OD需求预测存在不确定性。本研究假定OD需求矩阵元素是概率分布已知的随机变量,以双层规划理论为基础,建立基于随机需求的离散交通网络设计模型,上层模型是预算约束下的路网期望总时间最小,下层模型是每个需求情景下的用户均衡。以Monte Carlo模拟和遗传算法为计算工具,设计了随机双层组合优化问题的可行算法。Nguyen Dupuis网络的实例计算表明,考虑需求不确定性的网络设计方案与确定性条件下的结果显著不同。本研究有助于提高交通规划决策的科学性和可靠性。     

基于最小二乘法的车辆瞬态燃油消耗估计EI北大核心CSCD

精确的车辆瞬态燃油消耗估计是车辆节能控制研究的基础,稳态燃油消耗模型受燃油发动机的非线性工作特性、驾驶员的驾驶习惯、车辆行驶的环境、车辆行驶状态、车辆负载等多种因素影响,计算的瞬态燃油消耗与实际燃油消耗偏差较大,现有瞬态油耗模型参数不易标定,因此本文中通过车辆速度与加速度构建了一种新的瞬态燃油消耗估计模型。采用最小二乘法对模型中的参数进行求解,为进一步降低瞬态燃油消耗率的估计偏差,引入指数速度衰减的加权因子,即采用带指数衰减因子的最小二乘法求解油耗模型中的参数,并通过实车试验对瞬态油耗估计方法进行验证。试验结果表明,基于最小二乘法的油耗模型可精确地估计车辆瞬态油耗,带指数速度衰减因子的最小二乘法可进一步降低油耗模型的油耗估计偏差,且估计精度受车辆行驶状态和道路环境等因素影响较小。     

基于信息提取的动态OD估计技术体系研究

动态OD矩阵描述了时变的交通需求,是智能运输系统(ITS)中先进的交通信息服务系统(ATIS)和先进的交通管理系统(ATMS)的重要输入,直接影响 ITS系统的实时有效性,科学获取动态OD矩阵至关重要.文中从提高动态OD矩阵估计精度与科学整合ITS系统资源、功能两方面出发,提出了基于信息提取的动态OD矩阵估计理念;基于...     

基于一般规则的交通分布与分配反馈关系的研究

以道路使用广义费用为出发点,研究交通分布与分配之间的反馈关系;构建了基于一般规则(方法)的交通分布与分配的反馈算法,该方法基于道路交通流量最小平方误差估计反推矩阵.并以一个简单的交通网络为例,对这一算法进行了实验,结果表明这一算法能够以较高的精度快速收敛.     

区域多方式货运网络随机平衡配流模型研究

提出了一种区域多方式货运网络随机平衡配流模型,并给出了相应的求解算法。建立了包含不同运输方式线路和转运枢纽的区域多方式货运网络描述模型,以随机用户平衡原则为基础,构建了等价于区域多方式货运网络随机平衡配流模型的变分不等式问题。建立的模型既考虑了联运过程中转运费用对路径选择的影响,又可同时计算出路线和转运弧上的流量和费用。采用精简对角化算法对模型进行了求解,并给出算例对算法的有效性和模型的实用性进行了验证。     

公交网络OD反推在公交线网规划中的应用

针对公交网络OD矩阵数据提取困难状况,提出了一种以修正路段观测流量数据为基础的OD矩阵估算模型,介绍了公交网络OD矩阵估算模型及其在EMME2软件中的实现方法,该方法提高了路段观测数据的有效性,使公交网络OD矩阵的估算结果更可靠.     

供需不确定条件下的预算-超额用户平衡模型

为更加全面、准确反映随机路网中出行者规避风险的择路行为,以预算-超额行程时间作为出行者选择路径的依据,提出了一种供应及需求不确定条件下同时考虑可靠性和不可靠性的交通分配模型——预算-超额用户平衡模型,推导了需求服从Gamma分布、路段通行能力服从均匀分布条件下预算-超额行程时间的解析表达式,并以此为基础建立起用等价变分不等式表示的平衡模型。利用一个小型测试网络比较了用户平衡模型、基于可靠性的用户平衡模型以及预算-超额用户平衡模型的性能。研究结果表明：提出的模型是有效、可行的;其平衡流量模式不同于用户平衡模型和基于可靠性的用户平衡模型;随着需求水平、可靠度以及路段通行能力退化程度的增加,预算-超额行程时间随之增加。     

基于多用户类型随机用户平衡的连续网络设计

用多用户类型随机用户平衡描述实际路网中出行者的路径选择行为。根据出行者对路网状况认识的不同程度,将出行者划分为具有相同特性的多个类型。将多用户类型随机用户平衡问题表示为一个无约束极小化问题,并提出了该问题的一种基于路段水平的灵敏度分析方法。建立了多用户类型随机用户平衡条件下的连续网络设计问题的双层规划模型,并给出了基于灵敏度分析的启发式算法。实例的结果表明模型具有一般性和适应性。     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。     

OD需求不确定的离散交通网络设计模型研究

以OD需求不确定性为基本前提,以随机双层规划和均值方差理论为基础,建立OD需求不确定离散交通网络设计的基本模型.根据需求不确定的交通网络设计模型特点,建立基于Monte Carlo模拟和遗传算法的算法,实现了对问题的有效求解.Sioux Falls网络的计算结果表明,本论文的模型和算法可以很好地应用于中等规模网络.