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.     

基于马尔可夫过程的快速路OD矩阵估计方法

为得到城市快速路网络的OD矩阵,引入马尔可夫理论.运用吸收马尔可夫过程对快速路网络进行建模分析,给出相应求解算法推导路段流量,小区OD矩阵表达式,并介绍了运用MATLAB软件进行矩阵求解的方法.最后进行了算例分析,利用VISSIM仿真,通过布设线圈检测器,对OD矩阵估计模型及算法进行精度评价.结果显示,模型可很好地拟合...     

OD矩阵估计问题研究综述

OD矩阵是交通规划、管理与控制的重要决策支持数据,OD矩阵估计是获得OD矩阵数据的一种先进技术方法.主要对道路交通系统的OD矩阵估计(静态和动态)方面的相关主要文献进行概括总结与简单评述,包括研究现状及存在的主要问题等.主要涉及道路观测点的优化布设、静态OD矩阵估计模型及算法、动态OD矩阵估计模型和方法等几方面.最后,总结了近期OD矩阵估计方面的主要研究热点.     

公交客流OD矩阵反推法

公交客流OD矩阵是进行公共交通规划的重要基础数据。根据交通需求预测“四阶段”理论中交通分布预测的重力模型法的基本原理,建立了公交客流分布函数模型,根据公交OD矩阵与公交线路的日均客运量以及区域人口、社会经济、用地性质等之间的内在联系提出了一种免OD调查的公交客流OD矩阵的反推算法。用Matlab语言编写了多条线路公交客流OD矩阵推算程序,给出了oD矩阵的检验及修正方法。     

城市轨道交通短时客流预测体系框架及关键技术

针对当前城市轨道交通短时客流预测系统性不强等问题,构建短时客流预测体系框架,并讨论预测过程涉及的关键技术。框架的构建以自动售检票系统（AFC）获得的数据为出发点,统计站点客流和线网客流OD矩阵两类基础客流数据;在此基础上,构建线网客流分配模型,结合视频数据、站点平面布置和列车运行时刻表三类数据,考虑乘客步行时间的影响,估计断面客流数据;接着,在分析站点客流和断面客流数据时空特性的基础上,分别预测站点和断面短时客流;利用站点客流和断面客流短时预测结果反推未来OD矩阵;同时引入GARCH模型分析预测结果的可靠性,以提高短时客流预测结果的可信度。     

面向车联网的高速路OD矩阵估计模型

针对高速路OD矩阵的采集与估计,提出采用RFID技术的车联网进行部署,建立有缺失数据的OD矩阵采集方法.用拉格朗日乘数法求解OD矩阵元素概率的极大似然估计,给出基于EM算法的OD矩阵估计算法.通过912节点规模的仿真实验结果表明,提出的算法相比模拟采集准确性更高,真实数据的均方根误差降低了77.7%,验证了算法流程和模型的有效性.      

基于模糊推理的交通需求总量组合预测模型研究

组合预测模型的权重向量是影响预测精度的关键因素.考虑到单个模型的前期预测绝对误差,和连续k期相对误差率因子对单个模型的权重影响程度难以精确量化,采用模糊数学的方法对绝对误差和k期相对误差率进行模糊化,并基于典型模糊推理控制结构设计推理规则,从而对单个预测模型的权重进行动态计算.     

OD矩阵估计问题研究综述

OD矩阵是交通规划、管理与控制的重要决策支持数据,OD矩阵估计是获得OD矩阵数据的一种先进技术方法。主要对道路交通系统的OD矩阵估计(静态和动态)方面的相关主要文献进行概括总结与简单评述,包括研究现状及存在的主要问题等。主要涉及道路观测点的优化布设、静态OD矩阵估计模型及算法、动态OD矩阵估计模型和方法等几方面。最后,总结了近期OD矩阵估计方面的主要研究热点。     

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维 CNN 与 ResNet 组成深层神经网络,捕捉站点间的空间特征,同时利用一维 CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证. 结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文 ResNet-CNN1D模型具有更好的预测精度.     

基于路口转弯流量的OD估计方法研究

机动车起终点矩阵(Origin-Destination Matrix,OD矩阵)的估计是交通规划和 交通管理等工作的重要基础.本文主要研究在采集数据日渐精细情况下的机动车OD估 计方法.基于车牌识别数据提取出路口转弯流量和路段断面流量,在此基础上建立应用广 义最小二乘模型进行机动车OD估计的模型及方法.利用S-Paramics 仿真平台及实测数 据,应用Nguyen–Dupuis 网络和实际城市路网对本文研究的方法进行了对比验证,分析 对比验证了是否已知真实OD、不同的数据输入类型、不同的已知检测量的比例等.结果 显示,与使用路段流量相比,使用转弯流量可以提高OD估计的准确性.     

城市不同空间通勤行为可转移性研究

通勤者因地域及个体特征差异造成选择行为显著不同,本文旨在识别这一差异并揭示城市不同空间通勤行为的可转移性.在分析上海市通勤出行行为影响因素基础上,建立融入OD(Origin and Destination)变量的全空间及分OD空间的通勤方式选择模型,依据转移度量指标研究通勤出行模型空间可转移性.结果表明:全空间模型不能准确揭示不同出行空间通勤行为差异,除全空间模型可转移至内环外—内环内出行空间外,其他空间模型均不可转移;此外,各空间通勤者更偏好常规公交、地铁,且不同出行空间通勤者偏好存在显著差异.     

基于空铁联运OD可达性的高铁时刻表优化模型

空铁联运的优势之一在于提高客流起讫点(Origin-Destination,OD)的可达性,为机场所服务的地区提供更多出行机会.考虑"高铁接续航空""航空接续高铁"两类接续服务,引入两类0-1变量表达高铁与航空的接续关系及OD可达关系,提出空铁联运OD可达性约束,描述高铁在空铁换乘枢纽的到发时刻、接续变量和OD可达变量...     

基于电子支付数据的公交车厢满载率实时估算方法

针对公交监测和调度中要求实时掌握车厢满载率，以及“一票制”无法获取乘客下车信息等问题，构建基于数据驱动的组合模型，在乘客上车时即推断其出行OD站点，进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心，针对K近邻推断率过低等问题，研究在更大空间维度分析乘客出行规律并推断下车站点的方法，有效提升历史数据的利用率和下车站点的推断率；此外，针对偶发型乘客缺少历史规律数据的情况，充分利用站点下车客流量先验概率随机分配，实现电子支付乘客OD的全样本推断。利用跟车调查法对不同线路、不同班次的车厢拥挤度进行验证。结果表明，模型计算结果与实际结果相符，能够反映出不同线路、不同站段之间的车厢拥挤水平变化。     

����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.     

多源数据融合法更新公路通道车流OD矩阵

为了低成本地获取高速公路改扩建时交通运行管理用的更高精度公路通道车流OD矩阵,提出了基于工程预备阶段调查车流OD、互通出入口流量、部分路段流量等多元数据融合法更新分车型车流OD矩阵的新方法．该方法基于线性回归法识别需要调整的OD对,并结合互通与交通小区的映射关系调整OD;再利用χ2检验比较分配得到的路段流量与调查得到的路段流量的一致性,以判断调整后OD的准确性．该方法为提高车流OD的精度实行了双重校核．用该方法对京港澳高速公路（河北段）改扩建区域OD调整校核进行了实例分析,结果表明,在数据来源可靠的情况下,可实现对区域OD的更新和校核．     

基于车牌识别数据的机动车OD估计模型

机动车OD矩阵是进行城市道路交通网络分析的核心数据。利用根据车牌识别检测数据分析得到的道路交叉口转向流量以及整体网络中的部分实测机动车OD信息,使用广义最小二乘模型建立整合部分机动车OD信息的路网全样机动车OD估计模型,模型中的OD历史值及分配矩阵应用了真实的部分机动车OD信息推导得到。同时为验证检测数据比例的影响等,使用同一城市两个不同规模的实际道路网络检测数据,结合S-Paramics仿真平台对模型进行验证。结果显示,不同的检测比例对OD估计结果有较为明显的影响,而在较高的检测比例情况下使用转向流量和部分机动车OD信息可以提高路网全样本机动车OD估计的准确性。     

���ڸ�������RTMS���ݵĶ�̬OD����ģ��

动态OD需求是城市交通规划、交通管理控制措施制定及评估工作的数据基础,然而现有多数动态OD估计模型存在着难以应用于真实路网OD估计的问题. 针对于此,本文提出了一种基于浮动车和RTMS数据的动态OD估计模型,该模型具有操作性和实用性强的特点. 模型的实现经历了两个阶段：第一阶段是利用RTMS数据进行静态OD反推,获得与现实OD需求相匹配的静态控制OD需求;第二阶段是基于浮动车数据和RTMS数据计算得到每个OD对的时变拆分比例,并用该比例拆分静态控制OD获得动态OD需求. 最后以北京西三环交通走廊为研究对象,开展了动态OD需求估计实例分析工作,从而验证模型的准确性和实用性.     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹，也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法，以手机信令提取居民出行OD为基础，将每个基站的到发出行量作为表征该基站所处空间位置的活动特征，研究特征的聚类方法.引入狄利克雷分布作为先验分布，由中餐馆模型推定特征聚类数量.与其他聚类方法相比，该方法最大的优点在于无需事先指定聚类数量，避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中，结果能够有效地反应不同城市功能组团的活动特征.     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹，也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法，以手机信令提取居民出行OD为基础，将每个基站的到发出行量作为表征该基站所处空间位置的活动特征，研究特征的聚类方法.引入狄利克雷分布作为先验分布，由中餐馆模型推定特征聚类数量.与其他聚类方法相比，该方法最大的优点在于无需事先指定聚类数量，避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中，结果能够有效地反应不同城市功能组团的活动特征.