《OD矩阵反推策略及其在交通仿真系统中的应用》由会员分享，可在线阅读，更多相关《OD矩阵反推策略及其在交通仿真系统中的应用（112页珍藏版）》请在金锄头文库上搜索。
1、浙江大学 博士学位论文 OD矩阵反推策略及其在交通仿真系统中的应用 姓名：马广英 申请学位级别：博士 专业：控制科学与工程 指导教师：李平 20060701 浙江大学博士学位论文 摘要 随着社会经济的发展，城市化、汽车化速度的加快，交通拥挤、交通 事故、环境污染、能源短缺等问题已经成为世界各国面临的共同问题。无 论是发达国家，还是发展中国家，都毫无例外地承受着不断加剧的交通问 题的困扰。解决交通问题的传统办法是修建道路，但无论是哪个国家，可 供修建道路的空间都越来越小。另外，交通系统是一个复杂的巨系统，单 独从道路方面考虑，很难从根本上解决问题。在此背景下，出现了把交通 基础设施、交通运载工具
2、和交通参与者综合起来系统考虑，充分利用高新 技术解决交通问题的智能交通系统( I n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m , I T S ) 。 广义的智能交通系统包括道路交通管理系统、整个交通运输系统的规划、 设计和运营管理的智能化。而交通规划、交通管理和交通控制都离不开O D 矩阵( 也称交通出行矩阵) 这一基础数据，即需要知道路网上的交通需求。 另外，O D 矩阵也是交通仿真系统最直接、可靠的仿真输入数据。传统获得 O D 矩阵的方法是进行大规模抽样调查，其昂贵的费用和组织上的难度是可 以想象的。而由于当前城市交
3、通监控系统的普及，交通流量已经成为较为 容易获取的信息。因此由路段交通量反推O D 矩阵已成为获取O D 矩阵较为 可行且经济的方法之一。 对于一般的城市路网，由路段交通量反推O D 矩阵主要包括以下几个 步骤：路段流量检测以及先验信息的获取；路网特征及交通分配矩阵的获 得；按照特定的反推模型进行O D 反推。上述几个步骤中影响O D 反推精 度的主要有：反推模型的准确性、先验信息的可靠性、路段检测流量的准 确性和交通分配方法的合理性。另外模型的求解方法也是一个值得探讨的 问题，求解的可行性与简便性关系着模型的适用程度。本文以结构相对简 单、理论依据明确的极大熵反推模型为基础，结合O D 反推
4、中各个关键步 骤，以O D 反推精度最好为主要目标，在模型求解、路段检测点设置、交 通分配方法等方面作了详细探讨，并以浙江大学自主研发的城域混合交通 仿真与分析系统( S A S U M T ) 为应用平台，利用O D 反推技术为S A S U M T 提供方便可靠的仿真输入数据。主要研究内容总结如下： I 基于O D 反推的极大熵模型，提出了遗传算法求解的方法。首先分 析了极大熵模型的推导过程及理论依据；针对极大熵反推模型的特点，利 用解约束优化问题的基本方法拉格朗日乘子法，将其转变为非线性方 程组的求解；根据传统求解方法牛顿法的不足，提出了遗传算法求解 的方法。该算法以非线性方程组的待求量
5、为决策变量，方程组两端向量的 均方差最小值为目标函数，初值在决策变量可行域内随机产生。通过实例 分析，遗传算法具有较强的鲁棒性，较之牛顿法不存在对初始值要求近似、 易产生局部收敛并含有矩阵求逆的情况，且当初始值偏离真实值较大时， 浙江大学博士学位论文 遗传算法求解成功率远远离予每顿法，骏诞了遗传算法程求錾基予攀嚣标 饶纯鲶O D 爱攘模垄方面的爵行往与可靠稳。 2 针对O D 反推中路段检测点设置问题，结合最犬可能相对误箍概 念，提出了改进的路段检测点设置原则：路径覆盖原则和最少检测点原则。 在戴基础上，建立了求解路段捡测点分布蛉整数援划模溅，给出了大缎摸 网络盼遗传算滚求解步骤。实铡分析表明
6、，依撵该模鍪裳得静路段稔溅赢 设髓组合，推算如的O D 矩降误差满足要求，相比已有的检测点设置模型， 能够在节省检测费用的基础上最大限度的提高O D 反推精度。同时，该模 型瓤群筠单明确、求艇方便，相对以往戆模型，不嚣要先验O D 矩肄帮交 逶分配矩阵，敲箍减少各项诶茇的影响，懿有更静的逶瘸往。 3 针对拥挤网络中交通分配矩阵随O D 矩阵变化的特点，提出了O D 反推与交通分配变替进行的方法。对于有茏先验矩阵的情况分别进行分析， 握淝了基F 不矧配流模型和雾法懿反推过瑕。在有先验缀薄对根据撼揆璃 络中平鬻配流方法进行分配，并结合O D 及接的过程葳簸修正分配甄箨粒 O D 矩阵，直到能再现路
7、段观测流量：对于无先验O D 矩阵的情况，提出 了采用概率分酉已模型获得初始交通分配矩阵的方法，用此分配矩阵和观测 漉疆避 亍O D 及攉，褥到用予平衡分配的先验O D 矩黪，然后秀按照有先 验麓阵斡情嚣避行O D 反攉，盔嚣分配的流璧与鼹溅流豢一致。最蕊逶过 实例分析了两种情况下的反摊过程与结果，并对无先验O D 的情况，与全 有全无分配法获取先验O D 的反推结果相比较，验证了本文中提出的概率 热凌法获取先黢缒薄的可行饿与可靠性。 4 ，论述了律者参与霹 发斡缄城混合交逶傍真与分橱系统( S A S U M T ) 的糖本功能、框架及其主要模型，详细介缁了作者针对交通需求模型设计 的O D
8、 矩阵估计软件包。该软件包不仅可以为S A S U M T 提供可靠的路口转 囱浚量院数据，瞧可班结合交通配流软搏镪，为S A S U M T 提供路嬲O D 矩 阵数攥。另外，O D 矩阵蘩诗软俘雹作为稳对独立静穰块，还可以隽交逶。 规划、交通管理等部门提供熬本的O D 分布预测。最艏，结合S A S U M T 中的个应用实例，利用O D 反推技术进行推算，通过与实测数据的比较， 骏诞了O D 反攘结果豹可纛性，扶两为交遴仿真系统提供曼方便、掰靠豹 输入数据。 5 最后，对全文的研究工作进行了总绪，对O D 反推问题进一疹的研 究忑作提出了一些设想。 关键诃：O D 矩阵反推；极大熵模型；
9、遗传算法；路段梭测点；交通分配； 交通仿真； 浙江大学博士学位论文 A b s t r a c t A b s t r a c t W i t ht h e d e v e l o p m e n to ft h e s o c i a le c o n o m ya n dt h es p e e d - u po ft h e u r b a n i z a t i o na n dm o t o r i z a t i o n , t r a f f i cj a m , t r a f f i ca c c i d e n t e n v i r o n m e n tp o l l
10、u t i o n a n de n e r g ys o u r c e ss c a r c i t yh a v eb e e nt h ec o m m o np r o b l e m sf a c e db ya l lt h e c o u n t r i e si nt h ew o r l d N o to n l yt h ed e v e l o p e dc o u n t r i e sb u ta l s ot h ed e v e l o p i n g c o u n t r i e ss x ea l le n d u r i n gt h et r a f
11、f i cp r o b l e m s T h et r a d i t i o n a lm e t h o dr e s o l v i n g t h et r a f f i cp r o b l e m si st ob u i l dr o a d s ，b u tt h es p a c eo fc o n s t r u c t i n gr o a d sh a s b e c o m el e s sa n dl e s sf o ra n y o n ec o u n t r y I na d d i t i o n ，t h et r a f f i cs y s t
12、 e mi sa c o m p l e xa n dh u g es y s t e m ；i ti sd i f f i c u l tt or e s o l v et h ep r o b l e mi ne s s e n c eb yo n l y c o n s i d e r i n gt h er o a d s C o n s e q u e n t l y , t h eI n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m s ( I T S ) ，w h i c hs y s t e m a t i c
13、a l l yc o n s i d e rt r a f f i cb a s i ce s t a b l i s h m e n t ，t r a f f i cm e a n so f d e l i v e r ya n dt r a f f i cp a r t i c i p a n t s ，e m e r g e sa st h et i m e sr e q u i r e G e n e r a l l y , I T S i n c l u d er o a dt r a f f i cm a n a g e m e n ts y s t e m , t h ep l
14、a n n i n ga n dd e s i g no ft h ee n t i r e t r a n s p o r t a t i o ns y s t e ma n dt h ei n t e l l i g e n t i z a t i o no f t h et r a n s p o r t a t i o nm a n a g e m e n t T r a f f i cp l a n n i n g ，t r a f f i cm a n a g e m e n ta n dt r a f f i cc o n t r o la l lc a n n o tb es
15、e p a r a t e d f r o mO r i g i n D e s t i n a t i o n ( O D ) m a t r i c e s ，n a m e l y , p e o p l en e e d st ok n o wt h et r a f f i c d e m a n d so nt h er o a dn e t w o r k I na d d i t i o n ，O Dm a t r i c e sa r ea l s ot h em o s td i r e c t a n dr e l i a b l ei n p u td a t af o
16、 rt r a f f i cs i m u l a t i o ns y s t e m T r a d i t i o n a lm e t h o do b t a i n i n g O Dm a t r i c e si st oh a v eas p o tc h e c ki nl a r g e - s c a l e ，b u tt h i sw a yn e e d sav a s t e x p e n s ea n di t so r g a n i z a t i o ni sv e r yd i f f i c u l t W i t ht h ep o p u l a r i z a t i o no ft h e t r a f f i cm o n i t o ra n dc o n t r o ls y s t e m s ，t h ei n f o r m a t i o no ft r a f f i cf l o w sc o u l db e o b t a i n e de a s i l y A sar e s u l t ，e
