论文部分内容阅读
O-D(Origin-Destination)需求是进行城市交通规划和管理的重要基础数据。目前,主要通过两种方法获取城市O-D数据：一是调查统计方法,通常,该方法需要耗费大量的人力和物力；另一种方法是构造数学模型对O-D需求进行反推估计,这种方法具有便捷、高效、成本小等特点。随着交通管理技术的发展,大量实时交通数据可以有效的获取,如何充分利用这些交通数据,构造相应的数学模型及算法进行O-D反推估计是交通管理中的一个重要基础问题。本论文以城市多方式交通系统为研究对象,通过对多种交通数据的统计分析,得出不同出行方式O-D需求估计的先验信息,在此基础上,分别构造了静态和动态的多方式O-D需求估计模型,并设计了求解算法。具体而言,本论文的研究主要从以下三方面展开：(1)分析了现有的主要城市交通数据的结构特征以及采集方法,重点对交通调查数据、道路检测数据、公交IC卡数据这三类数据进行了统计分析,基于城市多方式O-D需求的数据特征,分别得到不同出行方式的实测O-D需求、路段观测流量以及公交站点间乘客出行量等静态和动态O-D需求估计的先验信息。(2)采用双层规划方法,构建了基于多数据源的城市多方式出行的静态O-D需求估计模型,其中上层模型的优化目标为：O-D需求的估计值、路段流量的估计值、公交站点间出行量的估计值这三类计算指标与相应的先验数据之间的误差平方和达到最小,而下层模型则是在O-D需求已知的条件下,建立的城市多方式交通用户平衡配流问题,通过求解下层模型,可得到O-D需求与路段流量之间的近似关系,论文还给出了求解该模型的算法。最后,通过一个简单算例,对模型的收敛性以及计算效果进行了分析和验证。(3)在城市多方式出行的静态O-D需求估计模型表示形式的基础上,采用双层规划方法,构建了基于多数据源的城市多方式出行动态O-D需求估计模型,并给出了求解该模型的算法。其中上层模型的优化目标为：时变的O-D需求估计值、路段流量的估计值、公交站点间出行量的估计值这三类计算指标与相应的先验数据之间的误差平方和达到最小,而下层模型则是在O-D需求已知的条件下,建立的城市多方式动态交通用户平衡配流问题,通过求解下层模型,可得到时变的O-D需求与路段流量之间的近似关系。最后,通过一个数值算例,对模型的收敛性以及计算效果进行了分析和验证。