详情

原文传递基于贝叶斯统计的城市路网O-D矩阵估计

论文题名：	基于贝叶斯统计的城市路网O-D矩阵估计
关键词：	城市路网;O-D矩阵估计;贝叶斯统计;多元正态分布;不确定性分析
摘要：	O-D矩阵是是城市交通规划与管理的重要基础数据，包括静态O-D矩阵和动态O-D矩阵。静态O-D矩阵是城市中长远交通规划的重要基础数据，而城市的实时交通管理和控制离不开准确的动态O-D矩阵。因此，静态O-D矩阵估计和动态O-D矩阵估计都有着重要的研究意义。传统的O-D矩阵是通过大规模的问卷调查获得，该工作代价高昂且组织难度巨大。随着城市交通检测技术的发展，从观测的路段流量、交叉口转向流量等出发，基于一些数学方法来反演出O-D矩阵，成为了更有效率的方法。　　城市交通系统中往往储备大量的历史交通数据，鉴于贝叶斯统计方法可以很好地挖掘这些历史交通信息，本文分别构建了静态O-D矩阵贝叶斯估计模型和动态O-D矩阵贝叶斯估计模型，并设计了相应的效率型求解算法。针对O-D矩阵估计的子问题，即路网检测器选址问题，本文分别构建了服务于静态O-D矩阵估计和动态O-D矩阵估计的静态路网检测器选址模型和动态路网检测器运行和布设模型，同时设计了相应的求解算法。论文主要的研究内容总结如下: 　　(1)静态O-D矩阵贝叶斯估计模型。以贝叶斯统计学和网络均衡理论为研究基础，剖析了O-D矩阵、路径流量和路段流量的相互关系。在多元正态分布假设下，考虑交通流的总体平均水平，根据可获得的历史数据的不同，分别构建了基于先验O-D信息和基于先验路段信息的静态O-D矩阵估计模型。基于贝叶斯统计的O-D矩阵估计模型不仅可以给出O-D矩阵的点估计值，还可以给出相应的置信区间。基于先验路段信息的静态O-D矩阵估计模型只适用于中小型城市，而基于先验O-D信息的静态O-D矩阵估计模型并没有这种限制。　　(2)静态路网检测器选址模型。在预算限制下，根据路网拓扑结构、用户出行行为以及先验的交通流等信息，确定最优的检测器布设位置从而使得最终的O-D矩阵估计不确定性最小。模型中采用后验方差协方差的迹去量化交通流估计的不确定性。通过在目标函数中参数的设置，使得构建路网检测器选址模型可以服务于除O-D矩阵估计外更广泛的规划目标，如路段流量估计。通过算例验证得到不同的规划目标下会得到不同的最优检测器布设位置集合。　　(3)融合多类型观测数据的动态O-D矩阵估计模型。在静态O-D矩阵估计研究的基础上，融合了多类型观测数据，构建了基于贝叶斯统计的动态O-D矩阵估计模型。这些多类型观测数据包括子路径流量或旅行时间、交叉口转向流量和路段流量。模型中通过剖析这些多类型交通流量与O-D矩阵以及相互之间关系，有效地提高了动态O-D矩阵的估计效率。其中，子路径旅行时间是通过随机抽样筛选的方法转化为部分子路径流量作为观测数据进行利用。　　(4)动态路网检测器运行和布设模型。考虑路段流量和交叉口转向流量两种类型的检测器，构建了服务于动态O-D矩阵估计的动态路网检测器运行和布设模型，目标是在有限的预算下确定最优的检测器运行策略和布设布设策略使得最终的动态O-D矩阵估计不确定性最小。运行策略是指检测器的观测时长和起始观测时间，而布设策略就是指检测器的选址。模型中，单个检测器消耗的成本并不是如传统方法中保持不变，而是包含一个固定的布设成本和一个随着观测时长增长而线性增加的运行成本。　　(5) O-D矩阵估计模型求解算法。在多元正态分布假设下，采用逐一更新观测数据的策略去求解构建的O-D矩阵贝叶斯估计模型。该算法可以巧妙地降低矩阵维数且避免矩阵的求逆运算，提高了O-D矩阵贝叶斯估计模型的实用价值。　　(6)路网检测器选址模型求解算法。与O-D矩阵估计模型的求解算法类似，采用逐一识别检测器布设位置的策略求解路网检测器选址模型。该算法不仅简化了计算，而且可以给出检测器识别位置的优先级，即对O-D矩阵估计精度提高程度越大的布设位置会被优先识别出来。　　本文基于贝叶斯统计理论研究了城市交通规划中的O-D矩阵估计问题和相关的路网检测器选址问题，可以充分利用交通系统现有观测的和历史储备的交通数据，在有限的资源下能够最大化O-D矩阵的估计效率和精度，为实际的交通规划和管理提供重要的数据基础。
作者：	朱森来
专业：	交通运输工程；交通运输规划与管理
导师：	程琳
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2017
正文语种：	中文