起讫点矩阵与产生吸引点矩阵的相互转换

对起讫点(OD)矩阵与产生吸引点(PA)矩阵的关系做了深入辨析,指出二者经常对应于不同的时间区间.通过对高峰小时系数局限性的分析,明确了出行分类的必要性,并提出了基于出行链与出行目的构成的分类比例推算方法.进而通过分时出发与到达系数,建立全日PA矩阵与高峰小时OD矩阵之间相互的线性变换关系,并在理论上论证了由OD矩阵推算PA矩阵的可行性.为便于实现,编写了由OD矩阵转换为PA矩阵的人机交互程序,最后通过算例检验了理论成果的有效性.     

基于数据驱动的城市居民出行OD预测

【目的】利用“大数据”对城市居民出行量(OD)的预测方法进行改进,以期改善传统城市居民出行调查方法费时、费力且准确度不高的问题,同时也为城市公共交通规划与管理提供可靠的数据支持。【方法】结合手机信令数据、公交IC卡、公交GPS以及地铁闸机数据的特点和优势,利用聚类分析等方法获取城市居民公共交通出行的OD矩阵,并利用小波神经网络结合优化后的鲸鱼算法(improved whale optimization algorithm-wavelet neural network, IWOA-WNN)对未来时段的出行OD矩阵进行预测。以长沙市为例,选取60 d晚高峰期间的原始数据,利用IWOA-WNN进行预测,并结合时间序列方法进行分析。【结果】与优化前的小波神经网络相比,IWOA-WNN的预测结果更加贴近实际情况,精度达到了93.36%。【结论】本研究提出的数据处理及预测方法具有更高的准确度。     

由路段交通流量反估出行OD矩阵技术的应用

由路段交通流量来估计交通出行 OD( origin-destination)矩阵 ,是一种先进的技术方法。它为获得 OD矩阵这种代价高昂而意义重要的交通需求信息提供了有效手段 ,并缓解了对难度很高的大规模居民出行调查的需要。利用一个适合实际应用的交通流量反估 OD矩阵模型——熵极大模型 ( entropy maximization model) ,在结合阐明其基于极大似然估计的数学原理的同时 ,重点给出适于计算机编程的模型迭代求解详细算法 ,并提出使用 Bi-Section和Newton-Raphson组合算法来保证其中非线性方程求解的稳定性和效率。进一步给出了使用熵极大模型的 OD矩阵估计软件包的设计思路和程序构架。该技术可直接指导高度实用化的 OD矩阵反估软件工具设计     

城市轨道交通高峰时段站间起讫点矩阵预测模型

高峰小时单向最大断面客流量是城市轨道交通规划与设计阶段的重要参考依据.为了确定这一参数,需对高峰时段内出发的乘客选择的出发时刻与路径进行预测.高峰时段站间起讫点(OD)矩阵反映了城市轨道交通乘客的出行需求,是整个预测的基础.在全天站间OD矩阵已知的前提下,以中国重庆市为研究对象,首先分析传统的重力模型在预测城市轨道交通高峰时段站间OD矩阵时的优、缺点,并在此基础上进一步提出站间客流高峰时段系数模型.比较结果表明,在同一数据源下,站间客流高峰时段系数模型能有效改善传统的重力模型所存在的缺陷,预测结果明显更优.该模型预测结果的标准误差为12.90人次,相较于重力模型的29.33人次降低了56.02%.     

OD反推技术的理论探讨及其应用

获得基年出行OD矩阵是交通量预测工作中的重点和难点,目前主要通过实地调查获得,其精确性取决于调查范围及人员的责任心,较费时、费力,因此以实地调查获得基年OD的方法适用于单一项目或小范围路网规划的交通量预测,如应用到以城市为分区的路网规划中,操作难度较高,精确度也难以保证。本文着重探索一种在常规交通规划软件和小范围交通调查的基础上反推基年OD的技术理论,以期广泛应用于大范围尤其是以城市为分区的高速公路、城际铁路网规划交通量预测工作中。     

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。     

公交出行OD信息获取方法研究

以往通过人工调查获取公交车出行OD的方法既费时又费力,随着城市公交系统的完善,使用公交IC卡已经成为常住居民的习惯,通过对IC卡数据进行挖掘,结合集合论的数学方法来实现居民公交OD出行信息的提取,不但节省了人力物力,在精度上较人工调查也要更高。方法通过数据挖掘,分别建立IC卡刷卡记录表、公交车到站信息表及公交线路信息表,以此可以准确获取IC卡的上车信息,同时在假设公交出行链闭合(前后两次出行均为公交出行)的前提下,以集合论为基础建立了相应的下车站点推算模型,实现了OD出行信息的提取。     

基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

基于机器学习聚类算法的城市公交车站点优化分析

随着"低碳环保,绿色出行"的理念深入人心,城市公交出行成为越来越多人的选择,但公交出行拥堵、低效率问题仍然是一个热点问题.采用聚类算法对城市公交车进行优化分析,通过三种聚类算法(DBSCAN、k-means、DIANA)、OD矩阵模型、统计与概率学等相关技术,对公交车刷卡数据进行挖掘建模,并分析提出居民出行规律、OD矩...     

信息化条件下的城市交通需求预测

基于信息化社会条件下的城市居民出行信息的可知性及路网交通信息的实时采集 ,根据最大熵原理 ,运用 OD反推技术 ,建立从土地利用到路网流量的组合式预测模型。简化了传统的土地利用到交通需求四步骤的预测模式。实践表明该方法更适合信息化条件下的城市快速发展。     

基于填充函数方法的OD矩阵估计

对现有关于求解OD矩阵估计的最小二乘模型所采用的逐次迭代算法的不足进行了分析,并引进了一种全局最优化算法即填充函数方法来找寻该模型的全局最优解。数值试验表明：所提出的填充函数算法有能力找到问题的全局最优解,且与初始值的选取无关,也有潜力解决较复杂网络的OD矩阵估计。通过数值结果发现,模型的权值选取对数值结果有明显影响。为此,引进了一种确定权值的评价指标RMSE,它能反映估计量与真实值之间的接近程度。利用该指标,可以选取较合适的权值。     

基于“四阶段法”的改扩建高速公路近期交通量预测

摘 要： 鉴于高速公路改扩建已成为时下我国高速公路发展建设中的常见现象及今后的一大发展方向,本文讨论了交通量预测的基本思路,以现状道路交通OD为基础,根据交通出行的趋势和特点,采用四阶段法（社会经济预测、交通生成预测、交通分布预测和交通分配）对改扩建高速公路交通量进行预测,为今后高速公路扩宽改造交通量预测工作如何开展提供思路。     

Trip Generation Model Based on Destination Attractiveness

Traditional trip generation forecasting methods use unified average trip generation rates to determine trip generation volumes in various traffic zones without considering the individual characteristics of each traffic zone. Therefore, the results can have significant errors. To reduce the forecasting error produced by uniform trip generation rates for different traffic zones, the behavior of each traveler was studied instead of the characteristics of the traffic zone. This paper gives a method for calculating the trip efficiency and the effect of traffic zones combined with a destination selection model based on disaggregate theory for trip generation. Beijing data is used with the trip generation method to predict trip volumes. The results show that the disaggregate model in this paper is more accurate than the traditional method. An analysis of the factors influencing traveler behavior and destination selection shows that the attractiveness of the traffic zone strongly affects the trip generation volume.     

太原市轨道一号线站间OD及沿线区段空间分布研究

客流预测是轨道交通网络规划的一个重要组成部分,结合轨道交通客流预测结果,基于重力模型,可以分析得到轨道线路上沿线各站点间OD分布,在此基础上,将轨道沿线按土地利用进行区段划分,可以得到轨道沿线各区段的空间分布。站间OD分布与沿线区段空间分布结果可以很好地反应出轨道沿线各站点及各区段用地的人口出行特性,结合轨道线路沿线土地利用规划,可以实现客流预测与土地利用的互动反馈。本文以太原市轨道一号线为例,对其站间OD分布及沿线区段空间分布进行研究。     

平交路口多相让自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实时OD流量设置配时参数,以适应变化的交通需求．为此,笔者建立了描述平面交叉口动态交通需求的多变量动态线性模型及其递推算法．该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变OD矩阵进行联线估计．对一特定的T型交叉口交通状态的计算机仿真表明该模型和算法具有较好的精度,能用于交叉口多相位自适应信号控制．     

基于出入口明细表的高速公路OD矩阵推算

基于我国高速公路统计数据的特点,提出了一种准确性高、方便实用的高速公路出入口OD矩阵推算与检验的方法.实例验证了其准确性和可行性,为实际项目中交通数据分析处理提供了一种较为简单易行的高速公路出入口OD矩阵推算方法.