以路段流量推算出行OD矩阵的研究

以多路线概率分配法为基础,通过迭代运算,从路段数少于OD对数的路网实测流量推算出出行OD矩阵,采用以计算时间替补内存不足的技巧,在微机上实现对大型路网反推OD矩阵的运算。

基于手机信令数据的典型日出行OD矩阵分析

从连续观测数据中识别典型的居民出行分布,对城市交通模型构建和交通规划决策具有重要意义。本文以兰州为例,使用连续一个月的手机信令数据,提取日出行OD矩阵;然后使用主成分分析法(PCA)对时序OD矩阵进行降维,并使用动态模糊C-均值聚类(DFCM)识别得到3种典型的日OD矩阵:工作日、休假日、特殊工作日。其中,工作日典型OD矩阵出行总量最大,出行空间分布呈现显著的由市中心至外围片区的放射状;休假日典型OD矩阵空间分布在各片区较无规律,以中长途出行为主,与居民的旅游休闲、娱乐消费等活动需求有关;特殊工作日大部分与节假日或周末相邻,出行总量相对工作日通勤需求较少,相对于工作日通勤主要增长部分集中在城市核心片区。

基于二流体模型的交通分析及OD出行时间矩阵

为了获得小区域的交通特性并快速找出小区域之间的时间最短路径从而实现动态诱导的目的,利用出租车GPS数据提取出行距离和出行时间,运用二流体模型建立行驶时间与停止时间关系曲线,提出了利用二流体曲线进行交通分析的方法,发现二流体曲线的带宽对交通运行及疏导有较大价值。随后分析了各小区域单位距离行程时间与单位距离停驶时间的变化关系,佐证了不同小区域对交通变化的敏感度不同。最后利用矩阵迭代法计算了不同单位距离停驶时间下的最短出行时间路径,并分析了小区域之间的OD出行时间矩阵,表明二流体模型可用于动态路径诱导。

OD出行矩阵的容量限制推算方法

现有OD矩阵反推算法大多不适用于拥挤路网 ,本文提出的容量限制OD矩阵推算方法考虑了交通量和通行能力间的相互关系 ,示例表明对于拥挤路网 。

由路段交通量推算 OD 出行矩阵的 Bayes 统计方法

本文指出了以最大熵方法为代表的优化模型在解决由路段交通量推算OD出行矩阵问题中的局限性,提出了描述问题的统计模型和解决问题的Bayes统计方法,从而得到OD出行矩阵的Bayes估计。它比优化模型所得到的OD出行矩阵估计合理、可靠,更便于实际应用。最后,本文还提出了有关分布参数的计算方法。

基于CDMA系统手机定位的居民出行OD调查技术

居民出行信息是进行城市路网规划、交通评估、交通管理与运营等相关工作的基础数据。传统的OD信息是通过调查的方式如路边询问调查、电话咨询或是发放调查问卷等形式获取。调查过程往往因被调查者隐瞒或遗忘等情形而造成所获取的出行数据基本不可信,失去可以利用的价值。CDMA系统手机定位获取交通信息技术因其可用性高、便捷、使用范围广等优势而越来越受到人们的青睐。介绍CDMA系统的手机定位技术,以及该项技术在居民出行信息采集中的应用,并在文章最后列出在实现过程中可能遇到的问题。

电动小巴OD矩阵的极大熵模型

本文分析并比较了根据公交路段客流量估算OD矩阵的几种常用的模型,对某大型居民社区电动小巴的路段客流量进行了实地观测,采用改进的极大熵模型推算出OD矩阵。实例表明,该模型合理可行,并具有较好的收敛性,为城市电动汽车交通的规划和管理获得OD矩阵提供了快速、有效的方法。

基于出行时间最短的单向交通网络设计研究

以局域路网出行O-D分布为基础，假定路网中出行方式仅有小汽车一种，以研究区域道路网出行时间最短为目标建立单向交通模型，确定单向交通方向。根据所建立的定向模型，应用遗传算法对其进行求解并最终得到研究路网中单向交通的方向。

基于手机信令大数据的城市居民出行OD预测

为得到具有客观性、动态性的居民出行起止点间交通出行量(OD trips),以中国移动手机信令大数据为基础,阐述了手机信令数据的来源与构成,针对城市居民出行目的,通过数据分析,设置10分钟为划分出行活动的阈值,提出基于手机信令数据获得的OD矩阵的原理与方法,应用数据挖掘技术,对贵阳市居民出行OD矩阵进行了预测.为进一步加强大数据与城市智能交通系统的融合,将得到的城市居民出行OD矩阵应用到真实的城市公交线网中.最后通过MicroCity平台,将数据结果实现可视化.分析结果表明:与传统OD调查方式相比,利用手机信令大数据获得的OD矩阵客观性、动态性较强,信息采集分析周期短,更容易与城市智能交通系统融合,应用可视化平台,可实时反映出城市公交运营状态,为城市智能规划和调度提供重要参考.