OD矩阵

摘要： OD矩阵获取技术对于交通仿真是关键和核心的技术之一,而交通检测设备的布局对于获取OD矩阵至关重要。本文建立了断面流量检测设备的布局优化模型和多类型的检测设备布局优化模型,以OD路径流量推算和信号路口流量检测需求为目标,给出在一定的预算(或检测设备数量约束下),最优的设备布局方案,并能够分析随着预算(或设备数量)的增长,两类目标的变化情况。并分析先验OD信息的误差对整体目标值影响,为具体推荐选用哪种设备布局优化模型作参考。

摘要： 交通作为城市间沟通的主要载体,是城市间经济联系不可或缺的组成部分,为探究成渝地区交通发展情况,运用ArcGIS软件,借助OD成本分析模型,对2010年、2015年、2019年成渝地区36个行政单元交通可达性进行了分析。结果表明:近10年来,高速公路和铁路架构起成渝地区的交通骨架,交通网络结构不断完善,网络密度渐趋增大,为城市联系提供了基础条件;道路网络空间格局“核心——边缘”结构凸显,成都和重庆中心区始终处于核心地位,受地理位置影响两大核心区的平均可达性稍低;高速公路和铁路的快速发展对可达性产生“乘数效应”,区域交通平均可达性不断提高,次级交通枢纽渐趋形成。

摘要： 相较于传统的调查数据获取方式,利用手机信令数据大规模、连续观测高速公路影响范围内各区域间的OD,无论从时间还是空间的覆盖范围上都更加全面,更能反映当前高速路网的实际需求。该论文利'用手机信令数据来分析高速公路建设范围内各城市、区域间的OD联系强度,并以之建立公路网交通模型、预测交通分配,总结出一种可行的高速公路交通量预测方法,并为今后相类似的高速公路建设项目提供了经验参考。

摘要： 轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性。根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法。预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测。实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD。相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测。

摘要： 旨在对城市公共交通系统建立合理的数学模型,对公交车的调度进行合理规划,为城市建设提供借鉴作用.从深圳市的实际情况出发,建立了合理的公交运营调度模型,让公交的使用经济最大化、合理化.通过对大数据的合理分析,给出高峰和平峰的定义;通过对公交车的发车频率、运营所得的总收入与时间的关系的分析,给出高峰和平峰转换期的调度方案;借助OD矩阵,给出最大断面客流,从而完成对高峰和平峰的预测,并通过合肥市某公交线路的数据验证了此模型的正确性与广泛适用性.

摘要： 旨在对城市公共交通系统建立合理的数学模型,对公交车的调度进行合理规划,为城市建设提供借鉴作用.从深圳市的实际情况出发,建立了合理的公交运营调度模型,让公交的使用经济最大化、合理化.通过对大数据的合理分析,给出高峰和平峰的定义;通过对公交车的发车频率、运营所得的总收入与时间的关系的分析,给出高峰和平峰转换期的调度方案;借助OD矩阵,给出最大断面客流,从而完成对高峰和平峰的预测,并通过合肥市某公交线路的数据验证了此模型的正确性与广泛适用性.

摘要： 电动汽车(Electric Vehicle,EV)出行存在时间、空间上的不确定性,考虑时空分布的EV负荷预测是研究其与电网之间的交互影响、电动汽车充电站选址定容、实现有序充电的重要基础.以电动私家车为研究对象,提出基于出行起讫点矩阵(Origin-Destination Matrix,OD矩阵)考虑时空分布的EV负荷预测方法.首先根据电动汽车充电模式等影响充电负荷的因素,建立充电负荷基础参数的概率模型.其次由实际路网建立其拓扑结构模型,由OD矩阵结合Floyd算法模拟电动汽车最短距离出行轨迹,采用车速—流量关系模型计算用户在既定起讫点时的行驶时间.然后考虑电池荷电状态的连续变化,基于蒙特卡洛方法(Monte Carlo method)建立EV充电负荷预测模型.最后采用所提方法计算包含居民区、商业区和工作区的某市辖区EV充电负荷时空分布.算例计算结果表明,不同功能区域的EV充电负荷在充电时间、充电方式及充电量上具有不同特征,居民区的大部分充电负荷充电需求在19:00至次日05:00,商业区和工作区的充电负荷集中在日间11:00—17:00,同时EV充电负荷加大了配电网的负荷峰值,影响了配电网的安全运行.所提出的EV充电负荷预测方法可为后续有序充电策略及充电站选址定容研究提供基础数据.

摘要： 目前大多数网约车需求预测研究都是基于非线性理论的预测模型,且只考虑单一维度.为了确保预测结果的准确性,系统以西安二环内盖亚开放数据为研究对象,对其进行数据处理、数据分析,构建融合时间维度和空间维度的CNN_LSTM_ARIMA预测模型,并实现预测需求的可视化显示.系统提示司机自行去往需求量热点区域,同时帮助平台实现网约车合理调度.

摘要： 目前大多数网约车需求预测研究都是基于非线性理论的预测模型,且只考虑单一维度。为了确保预测结果的准确性,系统以西安二环内盖亚开放数据为研究对象,对其进行数据处理、数据分析,构建融合时间维度和空间维度的CNN_LSTM_ARIMA预测模型,并实现预测需求的可视化显示。系统提示司机自行去往需求量热点区域,同时帮助平台实现网约车合理调度。

摘要： 获取快速路网的交通出行分布OD矩阵可支持快速路出行距离分析.文中基于交通流理论的逻辑判断,以上海快速路作为研究对象,对检测器数据进行质量分析并应用T ransCAD软件反推OD矩阵,利用该OD矩阵从年份、工作日及周末、高峰小时不同时间颗粒度出发,分析快速路的出行量、车公里数及出行距离.结果表明,受新冠疫情影响,2020年相较于2017-2019年出行量显著下降,出行距离有所提升;2019年早高峰下短距离出行(0～6 km)占比较高,达到了60.89％.

摘要： 基于当前网络环境获取微博签到、POIs及点评数据等多源网络开源数据,用以挖掘出行特征.首先,考虑用地类型和既有分类体系重构了基于交通应用的POIs重分类体系;其次,采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,比较有代表性的基于密度的聚类算法)聚类分析签到数据,并结合POIs重分类以及出行时间特征构建签到地职住类型识别规则;再次,依据出行链理论构建基于签到数据的出行模型,验证可行性并推导了基于签到数据的"样本OD矩阵";接着,先采用人口规模与年龄结构进行简单扩样,再基于OD反推模型校核推导居民出行OD矩阵.最后,通过实例分析论证了研究方法的可行性.论文提出的方法能够避免城市频繁进行大规模费事、费力的居民出行调查工作,并较好的克服了网络数据获取困难性、覆盖面局限性等问题.

摘要： 基于当前网络环境获取微博签到、POIs及点评数据等多源网络开源数据,用以挖掘出行特征.首先,考虑用地类型和既有分类体系重构了基于交通应用的POIs重分类体系;其次,采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,比较有代表性的基于密度的聚类算法)聚类分析签到数据,并结合POIs重分类以及出行时间特征构建签到地职住类型识别规则;再次,依据出行链理论构建基于签到数据的出行模型,验证可行性并推导了基于签到数据的"样本OD矩阵";接着,先采用人口规模与年龄结构进行简单扩样,再基于OD反推模型校核推导居民出行OD矩阵.最后,通过实例分析论证了研究方法的可行性.论文提出的方法能够避免城市频繁进行大规模费事、费力的居民出行调查工作,并较好的克服了网络数据获取困难性、覆盖面局限性等问题.

摘要： 基于当前网络环境获取微博签到、POIs及点评数据等多源网络开源数据,用以挖掘出行特征.首先,考虑用地类型和既有分类体系重构了基于交通应用的POIs重分类体系;其次,采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,比较有代表性的基于密度的聚类算法)聚类分析签到数据,并结合POIs重分类以及出行时间特征构建签到地职住类型识别规则;再次,依据出行链理论构建基于签到数据的出行模型,验证可行性并推导了基于签到数据的"样本OD矩阵";接着,先采用人口规模与年龄结构进行简单扩样,再基于OD反推模型校核推导居民出行OD矩阵.最后,通过实例分析论证了研究方法的可行性.论文提出的方法能够避免城市频繁进行大规模费事、费力的居民出行调查工作,并较好的克服了网络数据获取困难性、覆盖面局限性等问题.

摘要： 基于当前网络环境获取微博签到、POIs及点评数据等多源网络开源数据,用以挖掘出行特征.首先,考虑用地类型和既有分类体系重构了基于交通应用的POIs重分类体系;其次,采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise,比较有代表性的基于密度的聚类算法)聚类分析签到数据,并结合POIs重分类以及出行时间特征构建签到地职住类型识别规则;再次,依据出行链理论构建基于签到数据的出行模型,验证可行性并推导了基于签到数据的"样本OD矩阵";接着,先采用人口规模与年龄结构进行简单扩样,再基于OD反推模型校核推导居民出行OD矩阵.最后,通过实例分析论证了研究方法的可行性.论文提出的方法能够避免城市频繁进行大规模费事、费力的居民出行调查工作,并较好的克服了网络数据获取困难性、覆盖面局限性等问题.

摘要： 公交OD矩阵是进行公交调度和公交线网优化的基础资料.如何充分利用现状公交IC卡数据进行信息挖掘,从而推算公交OD以及换乘次数、出行次数等信息,具有很强的现实意义和实用价值.本文根据公交IC卡数据特点,从理论上分别对线路站点OD和区间出行OD的推算方法进行了研究,最后对实现公交IC卡数据分析利用的方法进行了探讨。

摘要： 公交OD矩阵是进行公交调度和公交线网优化的基础资料.如何充分利用现状公交IC卡数据进行信息挖掘,从而推算公交OD以及换乘次数、出行次数等信息,具有很强的现实意义和实用价值.本文根据公交IC卡数据特点,从理论上分别对线路站点OD和区间出行OD的推算方法进行了研究,最后对实现公交IC卡数据分析利用的方法进行了探讨。

摘要： 公交OD矩阵是进行公交调度和公交线网优化的基础资料.如何充分利用现状公交IC卡数据进行信息挖掘,从而推算公交OD以及换乘次数、出行次数等信息,具有很强的现实意义和实用价值.本文根据公交IC卡数据特点,从理论上分别对线路站点OD和区间出行OD的推算方法进行了研究,最后对实现公交IC卡数据分析利用的方法进行了探讨。

摘要： 公交OD矩阵是进行公交调度和公交线网优化的基础资料.如何充分利用现状公交IC卡数据进行信息挖掘,从而推算公交OD以及换乘次数、出行次数等信息,具有很强的现实意义和实用价值.本文根据公交IC卡数据特点,从理论上分别对线路站点OD和区间出行OD的推算方法进行了研究,最后对实现公交IC卡数据分析利用的方法进行了探讨。

摘要： 公交OD矩阵是进行公交调度和公交线网优化的基础资料.如何充分利用现状公交IC卡数据进行信息挖掘,从而推算公交OD以及换乘次数、出行次数等信息,具有很强的现实意义和实用价值.本文根据公交IC卡数据特点,从理论上分别对线路站点OD和区间出行OD的推算方法进行了研究,最后对实现公交IC卡数据分析利用的方法进行了探讨。

摘要： 本文提出了完整的基于转弯流量反推OD矩阵的算法,包括基于转弯流量的交通配流算法,基于转弯流量P矩阵的OD反推算法,并通过理论证明和计算实例对该算法和基于路段流量的OD反推算法进行了比较,该算法的可行解空间维数大大降低,OD反推结果的质量也得到较大提高.

摘要： 本发明提出了一种交通流推测OD位置及OD矩阵的方法，包括如下步骤：获取历史交通流量：选定一组由N个十字路口组成的公路网，获取24小时内该公路网的历史交通流量数据S；聚类分析：以24小时内该公路网的历史交通流量数据S为基础，每个路段的交通流量数据构成一个特征数据组，对特征数据组进行聚类分析；设置OD点；推定OD矩阵。本发明避免了工作流程上的繁琐，具有便捷性，灵活性和准确性，实时模拟不同时段下的道路情况，可用于交通仿真、出行分析等系统，能有效避免交通拥堵等问题。

摘要： 本发明涉及一种基于矩阵分解的典型日交通需求OD矩阵获取方法，包括以下步骤：1)将日期为i的OD矩阵为D

摘要： 本发明提供一种基于卡口车牌识别的车辆出行特征分类的OD矩阵形成方法，按照采样要求获取一定时间段内的具有时空间关联特征的卡口车牌识别数据，根据不同出行天数和不同出现时长，进行不同出行特征的车辆分类，再对不同出行特征车辆进行交叉分类，进行不同出行特征的OD出行分析，并对获得的时空间OD出行进行校验和算法优化，并进行不同出行活动特征车辆轨迹分析，最终形成基于交通小区的OD矩阵出行表，从而为交通管理控制和交通需求管理提供满足时空出行活动特征的数据支撑。本发明基于不同出行特征分类进行OD出行分析，最终形成具有时空活动特征的OD点对序列，进一步提高了不同交通出行特征车辆的适应性和精确性，并有效地降低了成本。

摘要： 本发明公开了一种基于多源数据的快速路OD矩阵获取方法，通过处理卡口数据、手机数据和浮动车数据为代表的多源数据，结合城市快速路的交通特性，构建基于转向比例优化构建基于AVI/GSM/GPS多源数据的路径流量估计模型，以卡口监测路段流量与卡口监测数据相对误差最小以及路段流量乘分流点左转比例与路口分流点左行路径流量相对误差最小作为目标函数，通过引入蜂窝网格和蜂窝路径流量的概念构建约束条件，由估计的路径流量推得OD矩阵。这种估计方法可操作性性强，估计出的较精准的快速路OD交通量对实施相应的交通管理与控制手段以进一步提高城市交通安全与效率具有十分重要的理论价值和实际意义。

摘要： 本发明提出了一种交通流推测OD位置及OD矩阵的方法，包括如下步骤：获取历史交通流量：选定一组由N个十字路口组成的公路网，获取24小时内该公路网的历史交通流量数据S；聚类分析：以24小时内该公路网的历史交通流量数据S为基础，每个路段的交通流量数据构成一个特征数据组，对特征数据组进行聚类分析；设置OD点；推定OD矩阵。本发明避免了工作流程上的繁琐，具有便捷性，灵活性和准确性，实时模拟不同时段下的道路情况，可用于交通仿真、出行分析等系统，能有效避免交通拥堵等问题。

摘要： 本发明涉及一种基于矩阵分解的典型日交通需求OD矩阵获取方法，包括以下步骤：1)将日期为i的OD矩阵为D

摘要： 本发明公开了一种双层深度学习模型反推OD矩阵的方法、装置以及存储介质，其中该方法包括：自动划分OD节点，初始化OD参数矩阵，采用模拟器并行提取模拟OD节点间路段总流量，模拟OD节点历史属性序列的方法；利用下层分配概率预测模型抽取图结构历史融合表征，对初始OD参数矩阵进行自相关提取的特征；并融合以上特征预测流量分配概率矩阵的方法；采用并行模拟和经验池存储模拟数据训练下层分配概率预测模型，待收敛后将其固定，利用真实OD节点历史属性序列，真实OD节点间路段总流量，修正上层OD参数矩阵的方法；迭代上下层训练至OD矩阵参数收敛即为反推OD矩阵。该方法构建深度学习模型，融合交通时空信息，有效提升了反推OD矩阵的准确性。

摘要： 本发明公开了基于OD矩阵反推特定时间多种交通方式出行分布分析方法，属于交通规划领域。该方法包括以下步骤：（1）选择研究区域和特定时间段；（2）划分研究区域的交通小区；（3）开展问卷调查并建立出行数据库；（4）计算各种交通方式出行分布初始矩阵；（5）采集关键路段机动车交通量数据；（6）计算关键路段机动车当量总交通量；（7）计算机动车交通方式当量总出行分布初始矩阵；（8）计算机动车交通方式当量总出行分布矩阵；（9）计算各种交通方式的出行分布矩阵。本发明在交通发生的时间、空间和交通方式等方面，将问卷调查与路段交通量数据的采集紧密地结合起来，可以更加精准地分析多种交通方式在特定时间段的空间分布。

摘要： 本发明提供了一种先验时间特性约束下的动态OD矩阵估计方法及装置，方法包括：对OD估计矩阵X和迭代次数k进行初始化；将OD估计矩阵X导入路网并利用迭代次数k对OD估计矩阵X进行更新；利用更新后的OD估计矩阵X更新对应的辅助变量Q；根据辅助变量Q以及由更新后的OD估计矩阵X构建的重构矩阵R更新参数矩阵M和参数μ；根据辅助变量Q，参数矩阵M和参数μ更新目标函数值并判断该目标函数是否收敛，如果否，则迭代次数k+1继续迭代。本申请将基于传统方法通过增加更多先验信息的方式，对估计得到的OD矩阵进一步约束，从而可以进一步约束可行解范围，实现了OD对在时间上稳定的目标并且使求解得到的OD矩阵更加符合实际。

摘要： 本发明公开了一种基于贝叶斯层次最优化的OD矩阵估计方法，该方法针对OD矩阵估计问题，假定OD矩阵服从伽马分布，根据历史OD矩阵和路段流量的样本信息对分布的参数进行贝叶斯估计，将传统OD矩阵估计问题转化为贝叶斯框架下的层次最优化问题，创建一套包含用户均衡‑最小方差分配模型(下层)、最小二乘法(中层)、贝叶斯后验众数估计(上层)的具有明确层次关系的三层数学规划模型方法，并设计相应的多层迭代算法进行模型求解计算，用数学方法反演估计出OD矩阵。本发明可充分利用观测路段信息和历史信息，获取精度较高的OD矩阵估计结果，为城市交通建模、规划与管理提供可靠的基础数据和依据。