基于手机数据的城市交通大区OD分布估计——以旧金山市为例

在大数据时代,手机数据因普及率高、采集成本低等优点逐渐受到人们的重视。手机通信运营商在为手机用户提供通信服务的同时会记录每次服务的时空信息,因此利用手机数据可以挖掘出用户的位置信息,并应用于城市居民出行OD分布估计。提出以手机数据为基础对城市交通大区之间OD分布进行估计的方法。利用居民手机数据估计美国旧金山市各交通大区之间的出行分布,并结合居民出行调查数据对估计结果进行检验。结果显示基于手机数据的出行估计具有较高的可靠性。

基于神经网络的OD分布矩阵反推方法

以道路网络的路段流量为基础进行OD分布矩阵估计.与以往文献不同的是本文应用了多层前馈神经网络的方法.由于路段流量与相关的OD矩阵分布之间存在连续性关系,这为神经网络模型的逼近特性提供了可行性.本文的方法适用于OD分布矩阵的实时校正.在已知OD分布矩阵的前提下,对两种情境———试验网络和实际Naples农村道路网进行仿真分析.主成分分析法的应用减少了变量个数并有利于改进输入数据.估计误差相对较低,与分析方法相反的是处理的时间几乎是实时的,因此这种方法可用于动态交通管理.本文的神经网络方法在误差和计算时间方面优于传统商业软件得到的OD估计结果.