【技术实现步骤摘要】
基于贝叶斯层次最优化的OD矩阵估计方法
[0001]本专利技术属于交通运输规划与管理中的交通网络流建模与估计领域，具体涉及一种基于贝叶斯层次最优化的OD矩阵估计方法。
技术介绍
[0002]交通起讫点需求矩阵(Origin
‑
Destination Matrix，即OD矩阵)是对交通出行空间分布特征的描述，反映了交通小区之间机动车移动的基本信息。只有准确估计OD矩阵需求，才能把握现状路网的交通特性，在交通规划以及城市总体规划过程中更加有针对性地缓解拥堵等交通问题。
[0003]获取OD矩阵的传统方法为开展大规模的人工走访和问卷调查，这些方法往往代价高昂、统计精度低。随着检测技术的发展，基于观测的交通网络流量信息，成为一种可行的方法。在拥堵的交通网络中，OD矩阵估计和交通分配这两个问题常耦合在一起讨论，用双层规划模型解释。其上层是广义最小二乘法或最大熵法的OD估计问题，基于观测得到的路段流量等交通网络要素信息反演出OD矩阵；下层是用户均衡分配，形成双层最优化问题并设计启发式算法。
[0004]...
【技术保护点】
【技术特征摘要】
1.基于贝叶斯层次最优化的OD矩阵估计方法，其特征在于，具体包括如下步骤：步骤1，获取目标区域的交通网络拓扑结构、源点
‑
终点先验OD矩阵数据、源点
‑
终点历史OD矩阵数据以及目标区域各路段流量观测数据，并进行数据处理，包括数据清洗、剔除噪音数据；步骤2，建立无需路径列举的用户均衡
‑
最小方差模型，作为层次优化的下层模型；步骤3，建立最小二乘法估计模型，作为层次优化的中层模型；步骤4，建立伽马分布的贝叶斯参数估计模型，作为层次优化的上层模型；步骤5，整合步骤2
‑
步骤4中的下层、中层和上层模型，得到基于贝叶斯层次优化的OD矩阵估计模型；步骤6，利用处理后的目标区域的交通网络拓扑结构、源点
‑
终点先验OD矩阵数据、源点
‑
终点历史OD矩阵数据以及目标区域各路段流量观测数据，通过迭代算法对步骤5所述OD矩阵估计模型进行求解，得到目标区域的OD矩阵估计结果。2.根据权利要求1所述的基于贝叶斯层次最优化的OD矩阵估计方法，其特征在于，步骤2所述建立无需路径列举的用户均衡
‑
最小方差模型，方法如下：步骤2.1，利用OD
‑
路段关联系数β
ijks
，将目标区域中路段流分解为路段层流，表示如下：v
ijks
＝q
ks
β
ijks
式中，v
ijks
表示路段层流，即OD流量q
ks
在路段ij之间的流量；路段ij表示源点i
‑
终点j的路段；q
ks
表示源点k
‑
终点s之间的OD流量；β
ijks
为OD
‑
路段关联系数，即OD流量q
ks
中经过路段ij的流量占路段流量l
ij
的比例；路段流量l
ij
表示经过路段ij的OD流量的总和；步骤2.2，改进原有的基于路段层流的用户均衡模型，构建具有路段层流唯一解的用户均衡
‑
最小方差模型，具体如下：在原有的基于路段层流的用户均衡模型的目标函数中加入以最小方差为原则的第二个目标，重新分布目标区域不同路径之间的OD需求，使路径流和路段层流具有唯一最优解，由此得到用户均衡
‑
最小方差模型；所述用户均衡
‑
最小方差模型的目标函数为：最小方差模型的目标函数为：且k≠s式中，Z(v)为用户均衡
‑
最小方差模型的目标函数；为目标区域中源点i
‑
终点j之间全部路段流量l
ij
的集合；ks表示源点k
‑
终点s的OD对；∑
ks
v
ijks
表示对经过路段ij的所有OD对流量进行求和；t
ij
为路段ij的费用；v表示待求的路段流量；λ为权重因子，λ＞0；μ为路段层流v
ijks
的均值；m为全部路段层流v
ijks
的总和；所述用户均衡
‑
最小方差模型的约束条件为：式中，δ
ik
、δ
is
均为狄拉克δ函数，且当i＝k时，δ
ik
＝1，否则δ
ik
＝0；同样的，当i＝s时，δ
is
＝1，否则δ
is
＝0。3.根据权利要求1所述的基于贝叶斯层次最优化的OD矩阵估计方法，其特征在于，步骤3所述建立最小二乘法估计模型，方法如下：使用最小二乘法，得到最小二乘法估计模型的目标函数；所述最小二乘法估计模型的目标函数为：式中，Z(d，w)表示最小二乘法估计模型的目标函数；d表示存储OD流量d
ks
变量的向量；w为存储估计路段流量w
ij
变量的向量；ks表示源点k
‑
终点s的OD对；d
ks
为OD对源点k
‑
终点s之间估计的辅助OD量，且d
ks
≥0；为先验OD量；为观测路段集合；w
ij
为目标区域的交通...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。