论文部分内容阅读
智能交通系统(Intelligent Transportation Systems-ITS)是交通运输进入信息时代的重要标志，其研究已得到了包括中国在内的许多国家的高度重视。在ITS的整体框架中，动态OD矩阵估计与预测是其中一个重要的组成部分。动态OD矩阵描述了交通路网中时变的交通需求，是对路网交通状况进行准确预测并提供有效交通诱导信息的基础。一般而言，通过交通调查获取动态OD矩阵十分困难，且无法满足在ITS框架中对路网交通状况进行预测和提供诱导信息时的实时性要求。为了实时地获得时变的交通需求，通过路网交通状况的一些间接观测值估计动态OD矩阵的方法得到了广泛研究。但是，在动态OD矩阵估计值基础上产生的诱导信息会对路网的交通状况产生影响，这种影响又反映在对路网未来OD的估计中(即未来的OD估计值与路网交通状况应尽量一致)。为此，本文系统论述了基于预测信息的实时交通诱导系统的理论框架，动态OD矩阵估计与预测和OD估计值与诱导信息的相互关系是其中一个非常重要的组成部分。对于动态OD矩阵估计与预测，系统论述了基于卡尔曼滤波理论的实时动态OD矩阵估计算法。对于OD估计值与诱导信息的相互关系，在不动点理论和滑动平均法的基础上，完整论述了基于预测信息的一致性诱导产生算法。本文结合基于预测信息的实时交通诱导系统的理论框架，提出了动态网络分析仿真器(Dynamic Network Analysis-DNA)的模型，为动态OD矩阵估计算法和基于预测信息的一致性诱导产生算法提供一个仿真测试环境。动态网络分析仿真器在Dijkstra算法基础上提出了一种动态最短路径(子路径)算法；为了更好地模拟路网交通流，提出了中观“交通流(TrafficStream)”模型；为了模拟诱导信息对网络流的影响，提出了发布诱导信息条件下，出行者路径选择模型。在以上模型和算法基础上，采用C++程序设计语言开发了一个适用于区域路网的中观交通仿真程序，并在一个5条路段和6个节点的小型网络上对动态OD矩阵估计算法进行了测试。