论文部分内容阅读
对城市道路网络交通起讫点（OD）需求的建模和预测，是实现区域交通规划、交通管控措施设计等工作的基础和先决条件，城市交通路径诱导、限行限速、拥堵控制等措施都离不开准确的OD需求。OD需求不仅为城市路网供需平衡状况和政府建设投资提供决策依据，也可以为城市机动车的发展规模提供数据支持，只有准确估计OD需求，才能把握现状路网的交通特性，才能在交通规划以及城市总体规划过程中更加有针对性和目的性地低缓解交通拥堵。政府部门和交通规划者在做交通分析和设计的时候，往往只对感兴趣的区域作为研究对象。当前城市结构庞大，在网络设计时，直接以整个城市路网作为研究对象显然会增加计算机负荷、浪费资源。本文从实际工程应用角度出发，主要对全网络和子网络交通需求估计理论展开深入研究，具体而言，本文的研究工作主要包括以下几个方面： （1）基于交通流数据的OD估计：拥堵网络下OD需求估计 根据观测的路段和路径旅行时间，构建了两个双层规划模型来评估拥堵网络状况下交通OD需求，其中一个模型观测路径旅行时间轨迹已知而另一个模型中部分观测路径旅行时间轨迹未知。提出的模型同时利用路段和路径信息来决定网络OD需求，其中上层模型以最小化历史/观测交通信息（即OD需求、路段旅行时间和路径旅行时间）和估计交通信息之间的距离为目标，下层模型为随机用户均衡（SUE）模型。与此同时，观测路段旅行时间可以捕捉到拥堵网络中流量和费用（出行时间）的关系。运用K-means（硬分类）和高斯混合模型（GMM，软分类）这两种聚类方法来识别观测路径的轨迹。设计了迭代算法来求解建立的OD估计模型，该算法包含最速下降法、相继平均算法和最大期望（EM）算法来分别求解上层模型、下层模型和GMM。数值实验表明在拥堵网络状态下，基于旅行时间预测的OD需求优于基于交通流量预测的OD需求；比仅使用路段信息，同时使用路段和路径信息可以预测出更加准确的OD值；基于GMM聚类方法估计的OD需求显优于基于K-means聚类方法的估计值，尤其当观测一些错误数据时。 （2）基于样本数据的OD估计：扩样系数推断 基于样本数据的OD需求估计方法即将调查数据或者手机定位数据集计到交通网络中，不可避免地需要将样本估计的需求扩样到整个出行者数量上，因而分别研究了随机性和确定性扩样系数推断模型。提出了两阶段优化模型来决定检测器布局和推断随机性扩样系数，其中第一阶段通过在一定的预算下最小化扩样系数的可变性（即检测器布局模型）来识别最优的检测器布局策略，第二阶段利用扩样系数的先验信息和第一阶段布设检测器路段观测的流量来推断随机性扩样系数（即贝叶斯扩样系数推断模型）。同样根据观测的路段流量，用双层规划方法构建了确定性扩样系数推断模型，该模型的上层目标为最小化观测的和估计的路段流量之间的距离，下层为SUE模型。设计了逐次识别检测器布局位置的策略来求解检测布局模型，该方法可以避免求解矩阵的逆。采用迭代算法来获得贝叶斯扩样系数推断模型和确定性扩样系数推断模型的最优解。数值实验表明在一定的预算下，检测器布局策略可以提供最可靠的检测器位置，从而为随机性扩样系数推断提供观测数据；测试结果也表明同时利用内生信息（即扩样系数的先验信息）和外生因素（即观测路段流量）可以更好地推断扩样系数。 （3）基于全网络流量集计（增量均衡分配方法）的子网络OD估计 提出了基于用户均衡（UE）和SUE的增量均衡分配方法来对OD需求进行分配，从而分别获取网络的UE解和SUE解。基于UE的增量均衡分配方法将OD矩阵均分成一定的份数，每次将每份OD矩阵加载在当前的最短路上，当所有份数的OD矩阵加载完后，提取出每个OD对非最短路径上的流量集计成新的OD矩阵，从而再次执行OD矩阵的均分和加载，反复迭代直到满足精度。与基于UE的增量均衡分配方法不同的是，基于SUE的增量均衡分配方法在流量加载时，需要运用Logit公式计算路径选择概率，同时计算出当前路径流量占该OD对总需求量的比例，进而将每份OD矩阵加载在每个OD对选择概率与比例差值最大的路径上；同样提取路径集计新OD矩阵时，提取出每条路径多出路径选择概率这部分流量。将建立的基于UE和SUE的增量均衡分配方法获得路径流量解集计到子网络上，从而获得子网络OD需求。数值实验表明基于UE和SUE的增量均衡分配方法保留了所有迭代过程中的路径集；且这两种方法均能稳定收敛到很高精度。 （4）基于子网络拓扑分析的子网络OD估计 同时考虑到子网络与外部网络联系和交通OD需求一致性，构建了基于网络拓扑的子网络OD需求估计模型，该模型使用OD需求的最大熵原则作为目标函数，使用子网络每个OD点的总交通发生量、吸引量和部分已知的OD需求作为约束条件。通过子网络边界点转换和拓扑结构分析获得这些的总交通发生量、吸引量和部分OD需求。设计了凸组合算法来求解建立的模型，该算法将非线性的原问题转换为经典的线性运输问题，从而使用表上作业法求解该运输问题。运用Sioux Falls和昆山市路网对算法和模型进行了测试，结果表明任意两个不同起点（终点）但是同样终点（起点）交通需求的比值是相等的；设计的算法可以快速收敛到很高精度；且全网络OD和估计的子网络OD分配出来的路段量之间误差比较小，即在可应用范围内。