基于贝叶斯智能学习OD矩阵估计与网络拓扑优化研究

摘要

OD矩阵(Origin-Destination Matrix)是路网规划与评价的基础数据。以往OD矩阵数据是通过交通调查的方法获得,这往往耗费了大量的人力和物力。运用贝叶斯定理的先验分布原理,构造贝叶斯智能学习的网络拓扑结构,提出由各路段交通流量的观测值来推算估计以及预测OD矩阵的一种有效方法。利用此方法可以准确估计出OD矩阵数据,同时在优化网络拓扑中,能对未来交通量的分配进行预测。对比分析表明,此方法能有效地提高交通运输规划的效率以及交通评价准确性。