论文部分内容阅读
随着信息化建设的深入,先进的数据采集设备和数据处理手段使我们得以获取更加丰富的交通信息。其中,OD(Origin-Destination)数据作为现代交通规划和管理的主要基础数据,如何获取,优化并得以应用一直是国内外学者研究的热点。本文针对此问题,重点研究如何在无限射频识别设备(RFID)计算的城市路网机动车动态OD信息、动态交通分配矩阵信息的基础上,基于动态OD反推理论框架,利用线圈采集路段交通量信息对计算的原始OD数据进行优化和预测,并对预测的动态OD数据进行不确定性分析。研究内容和研究成果如下：在文献方面,论文将OD数据的获取方法分为三类(传统非基于路段交通量的OD矩阵获取方法、OD反推方法以及基于数据采集设备的OD矩阵推算方法)分别进行综述,详细分析各种获取方法的研究情况和特点；考虑在决策应用过程中不确定性分析的必要性,对OD反推的不确定性分析领域进行现状介绍,指出目前该领域的研究仍非常薄弱。在基于RFID的动态OD反推方面：首先对于反推的基础准备数据——历史动态OD矩阵和动态交通分配矩阵,按照Cascetta(1993)的定义,提出一套基于RFID的数据计算方法,并对获取的数据进行深入分析,分析发现获取的动态OD数据与实际情况具有趋势一致性,但数据量上有明显不足,获取的动态交通分配矩阵数据在不同天相同时段具有较高的稳定性；依据动态OD反推理论,构建基于RFID的动态OD反推框架；依据离线动态OD反推理论,考虑计算数据的特性,创建最小二乘模型,使用遗传算法对计算的OD数据进行优化处理,分析结果表明,提出的模型和算法可以在维持原始数据趋势的基础上,较好的弥补数据量上存在的不足；依据实时动态OD反推理论,建立状态空间模型和单步预测卡尔曼滤波算法,以优化后的动态OD数据作为先验信息进行预测,分析预测结果表明,所采用的模型和算法具有较好的预测效果。在动态OD反推的不确定性分析方面,提出一种量化动态OD预测结果不确定性的方法。方法基于时间序列分析理论,对动态OD反推系统的基础输入数据,路段交通量,进行95%置信区间的获取,并评价置信度；将获取的置信区间上下限分别输入动态OD反推过程,获得动态OD预测值不确定性分析的重要结果：动态OD预测区间。通过对预测区间的可信度进行分析,结果表明,动态OD的点预测数据几乎全部位于预测区间内,预测区间具有较好的可信度。