快速路通道动态OD流估计模型

基于快速路通道的主干道和匝道出入流量信息,提出了一个新的动态OD矩阵估计模型和在线估计算法.文中引入宏观交通流模型以计算旅行时间,并把模型参数也作为状态变量进行估计,相应增加了新的测量方程.该文构建了新的动态OD估计状态空间模型,采用了含有约束条件的Unscented kalman filter(UKF)算法,运用仿真数据进行评估,结果表明,即使在拥堵状况下,提出的模型和算法也能达到很好的精度.     

基于云计算的公交OD矩阵构建方法

OD矩阵作为交通客流数据可视化的重要方法,是公交系统评价和优化的重要依据.提出了一种基于云计算的OD矩阵构建框架,在此框架下利用云计算优异的存取速度及计算性能,实现了对公交历史数据的筛选、预处理、变换、数据挖掘、解释评价等操作.此外,还提出一种综合了追踪乘客出行行为规律和估计站点热度的OD矩阵构建模型来实现对乘客下车站点较为精确的估计.算例分析表明,根据该模型计算得到的各站点下车人数结果能较好地拟合实际出行OD矩阵.     

考虑交通流行驶时间的高速公路动态OD矩阵估计模型

在对高速公路的起-讫(OD)矩阵进行动态估计时,往往忽略了交通流在运行实际过程中运行时间和车队离散的现象.分析了这一问题对高速公路的OD估计的影响,并通过时空分析引入了交通流"时-空带"的概念,消除了同一股车流在道路下游出现的时间不同步性对于OD估计的不利影响.在上述分析基础上,采用最小二乘理论建立动态OD矩阵估计模型.数值算例表明,该估计模型能够有效地过滤交通流运行时间的影响,提高动态OD矩阵的估计精度,具有较强的实用性.     

交通网络中动态起点-迄点矩阵估计的一种实用算法

基于广义最小二乘模型建立了一种带滑动窗的动态起点-迄点(OD)矩阵估计算法，可通过对路段交通量和行程时问的检测来估计时变的OD数据．对任意估计时段的OD流，通过假定各车辆问的时头距均匀分布且可按相同比例拉伸或压缩，得出模型中关键的分配矩阵的解析算式．该算法是一种递推的估计过程，仅需较少的先验信息而估计过程不会发散．滑动窗的引入可充分利用量测信息，抑制量测噪声．大量仿真实验表明，所提出的方法在估计精度上明显优于Cascetta的递推估计法，但计算量并无显著增加．     

基于IC卡信息的公交客流Origin-destination反推方法

公交客流起止点(origin-destination,OD)矩阵是公交线路调整和优化的重要依据,通过公交IC(integrated-circuit)卡信息获得的数据研究了公交出行的特征.以公交站点上下客人数为约束条件提出了综合考虑了公交乘客上下车概率与公交站点产生吸引因素的反推模型,实例分析表明该方法能显著提高反推的精度,反推结果更具可靠性.     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

方式划分与路网配流联合模型

利用方式划分和交通分配联合模型将公交OD在轨道交通和普通公交路网形成的广义路网上进行分配.构造了广义旅行费用函数,利用惩罚系数模拟乘客的心理行为,改进了BPR路段经验阻抗函数,对公交的拥挤条件进行描述,讨论乘客平均等车时间.基于广义旅行费用在广义公交路网上提出了满足用户平衡(UE)的方式划分与交通分配的联合模型和多路径增量分配法来近似模拟用户平衡状态的分配算法,提高了分配算法的效率.并给出简单的算例说明该联合模型能够实时地反映公交线路的实际客流量对旅行时间以及公交服务水平的影响.     

起-迄点与产生-吸引点出行矩阵的转化

首先分析交通需求预测中基于起点-迄点的OD(origindestination)分布矩阵与产生点-吸引点的PA(producingabsorbing)分布矩阵的概念以及区别;然后针对实际中经常将二者混淆的情况,分析了将OD矩阵转化为PA矩阵的方法,并特别针对运用流量反推OD技术的情况,提出一种新的转化方法;最后通过实际调查数据验证此方法的精度.     

基于0-1分布的公路机动车起讫点(OD)调查抽样

通过将单个调查点的OD调查抽象成0-1分布,分析了单个OD调查点调查精度要求、抽样率与调查点断面OD量本身特性之间的关系,研究了在简单随机抽样情况下单个OD调查点抽样率的确定方法, 给出了一定精度要求下的OD调查抽样率的推荐值,还比较了不同的抽样方法的抽样效率.结果表明:抽样率随着车流量的增大而减小,样本量则随着车流量的增大而增大,但当车流量足够大时,样本量将不再随着车流量的变化而变化;要求的置信水平越高,精度越高,抽样率越高,样本量也就越大;某一OD点对之间的量占的比例越大,满足该分布所需要的样本量越小;整群抽样的效率通常要比车牌号抽样和等距抽样的效率低,而分层抽样的效率则反之.     

基于轨迹重构的城市路网OD估计方法

为了提高城市路网OD估计精度,提出了一种基于自动车辆识别数据的宏微观OD估计框架.该框架将微观层的个体路径选择行为和宏观层的随机用户均衡(SUE)分配相结合,微观层通过粒子滤波器的重要性采样过程更新状态空间概率曲线来实现车辆轨迹重构,从而构建宏观层路径流约束;宏观层建立上层为广义最小二乘、下层为路径流修正的Logit随机用户均衡分配的OD估计双层规划模型.该方法在基于Sioux-Falls网络的VISSIM仿真模型上实现,通过VISSIM设置虚拟检测器来模拟现实环境中的自动车辆识别系统.结果 显示,所提方法在各OD对估计中的平均绝对误差(MAE)均值为106.2辆/h,总需求百分比偏差(TDPD)均值为9.54％,相比较于非轨迹方法(MAE均值720.05辆/h,TDPD均值41.54％)有明显优势,在检测器覆盖率大于60％的条件下可以得到较为可靠的OD估计结果.     

基于时空特征提取的城市轨道交通乘客出行目的地预测

为满足城市轨道交通运营组织进行客流管控和行车调度的实时需求,提出了基于乘客OD时空特征的出行目的地在线预测方法。通过分析定义乘客OD时空特征矩阵,以乘客个体的历史自动售检票系统（AFC）数据为训练样本,提出了基于行程密度聚类的乘客OD时空特征提取方法。分析制定乘客实时进站刷卡信息与其OD时空特征矩阵的匹配规则,基于3种匹配情况分别提出了相应的目的地实时预测方法。以南京市轨道交通AFC数据为实例进行验证,结果表明本文提出的预测方法在高峰时段预测准确率、全天预测稳定性等方面效果良好,可为地铁运营组织提供参考。     

融合长短期记忆网络和图卷积网络的轨道交通短时客流起讫点预测

轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性。根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法。预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测。实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD。相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测。     

剩余最短路径算法应用于起迄点交通调查统计

从研究旅行者的出行行为特征出发，并结合道路网拓扑关系，提出一种全新的剩余最短路径算法，用于起迄点交通量调查统计．对于每个起迄点对，先找到连接这个起迄点对的最短路径，再把这个路径上调查到的交通量从路段上转移到该起迄点对上．再寻找剩余的下一个最短路径，也把相应的路径调查交通量从路段上转移到起迄点对上．这样重复下去，直到该起迄点对的交通量全部从调查路段上转移至起迄点对．该方法可以有效解决交通出行被重复统计和被遗漏的情况，还可以为今后的起迄点调查提供更合理的测点．     

基于旅行时间分析的城轨乘客路径集验证方法

城市轨道交通乘客出行路径集是否正确,是乘客路径选择估计以及网络客流分布计算的前提和基础.从现有客流分布模型中有效路径选择集问题及OD实际旅行时间聚类特征出发,引入Rodriguez-Laio快速聚类算法,提出基于旅行时间聚类分析的城市轨道交通乘客路径集验证方法.以北京地铁网络为例进行算例分析,结果表明,该方法可以在全网络范围内对路径选择集问题OD作出快速识别及滚动验证,并为以原因分析为导向的现场客流调查与模型修正工作提供重要参考.     

高速公路出行距离特征分析与应用

为分析高速公路出行距离特征与快速准确地计算高速公路起讫点(origin-destination,OD)矩阵,通过统计收费数据探寻不同车型的出行距离特征,并结合收费站点区域的联系强度构建OD估算模型。根据车型分类标准对收费数据进行分车型整合处理,利用频数分析和曲线拟合建立出行特征函数,并利用空模型法模拟客车和货车距离衰减规律;根据收费站不同行车区间内出行概率与节点间的联系强度,建立基于驾驶员出行特征的OD估算模型并进行实例分析。结果显示:河北省客、货车出行距离区间分别集中在50～150 km与100～300 km;距离衰减系数分别为1.08和1.205,不同于默认值2,随距离的增加有显著的衰减趋势;客车和货车最佳拟合函数分别为对数正态分布和正态分布,OD估算结果误差小于5%。     

考虑时间及路径约束的地铁断面客流构成推定方法

为缓解高峰时段地铁局部网络客流拥挤,更有效地对拥挤区段客流实施路径诱导,从而优化控制网络客流分布,首先通过计算不同时间粒度断面满载率,设置筛选阈值识别高峰时段网络能力限制区段;然后建立考虑时间及路径双重约束的地铁网络断面客流构成反推模型和设计迭代算法推定网络中限制区段的断面客流构成,并归类排序.以上海地铁网络限制区段曹杨路-隆德路为研究对象,推定得到早高峰8:30~9:00时段该区段的断面客流构成,验证了模型及算法的可行性.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.