不完全信息下的公交客流OD推算方法的研究

论文摘要

摘要：公交客流的OD分布是城市公共交通系统线路网布设优化和车辆调配必不可少的基础依据。准确的公交客流OD推算能够优化公交调配,提高公交准点率和乘坐率,整体提高公交系统服务质量,减轻居民出行对私家车的依赖,缓解日益严重的交通拥塞。目前的OD矩阵估计方法大多依据路段交通流量或者人工调查数据对客流OD矩阵进行估计推算。本文在分析国内外各种公交客流OD推算方法的基础上,提出了利用高精度GPS设备与Ic卡数据对公交需求矩阵进行估计的方法。这种方法可以更高效地获得客流信息,更准确地建立数学模型进行分析与估计。高精度的GPS系统可以实时监控车辆的位置和速度,从而为客流的OD推算提供了可靠的实时数据,提高了OD推算的准确度。这种方法的精度能基本满足大型城市公交系统运营部分需求,减少耗费巨大的大规模OD调查,保障了数据应用的时效性,为交通规划以及交通结构调整提供依据。本文介绍了公交信息的采集、分析和处理。使用了马尔科夫链特性和交通分布模型进行建模分析,然后结合两者的特点考虑了客流出行规律建立了基于客流对称性的模型,提出用乘客平均出行时间作为参数,最后进行校验和修正提高了模型的精度。然后将已经比较成熟的人工神经网络技术引入公交OD矩阵的推算,建立了基于BP神经网络的公交OD矩阵推算模型。设计实现了这四种模型的流程和算法描述。比较分析了这四种方法的预测效果,实验结果发现基于客流对称性的推算模型结果精度最高。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景
• 1.2 研究的意义
• 1.3 国内外研究综述
• 1.3.1 国外研究综述
• 1.3.2 国内研究综述
• 1.4 论文结构和主要内容
• 1.5 本章小结
• 2 公交信息数据的采集、分析和应用
• 2.1 传统的人工数据采集方法
• 2.2 自动数据采集系统
• 2.2.1 自动数据采集系统的种类
• 2.3 GPS设备的数据处理
• 2.3.1 公交GPS设备简述
• 2.3.2 数据格式以及通信协议
• 2.3.3 数据处理
• 2.4 IC卡数据处理
• 2.4.1 公交IC卡系统简述
• 2.4.2 IC卡数据采集流程
• 2.4.3 IC卡记录的起止点判别
• 2.5 本章小结
• 3 推算公交OD矩阵的模型的建立
• 3.1 基于马尔科夫链特性建立公交OD矩阵的推算模型
• 3.2 基于交通分布模型建立公交OD矩阵的推算模型
• 3.3 基于客流对称性的OD矩阵推算模型
• 3.3.1 基于客流对称性的OD矩阵推算方法的特点和实用性
• 3.3.2 基于客流对称性的OD矩阵推算方法的流程与算法
• 3.4 基于BP神经网络建立的公交OD矩阵推算模型
• 3.4.1 BP神经网络简述
• 3.4.2 基于BP神经网络公交OD矩阵推算模型的建立
• 3.5 本章小结
• 4 北京公交系统公交线路的OD矩阵推算实例
• 4.1 实验数据来源
• 4.2 基于马尔科夫链特性建立的公交OD矩阵推算模型实验结果
• 4.3 基于交通分布模型建立的公交OD矩阵推算模型实验结果
• 4.4 基于客流对称性的OD矩阵推算模型的实验结果
• 4.5 基于BP神经网络建立的公交OD矩阵推算模型的实验结果
• 4.6 模型效果对比与分析
• 4.7 公交OD矩阵的分析与应用
• 4.7.1 客流情况的简单分析
• 4.7.2 多条线路OD矩阵的分析应用
• 4.8 本章小结
• 5 总结与展望
• 参考文献
• 附录A
• 附录B
• 附录C
• 附录D
• 附录E
• 附录F
• 作者简历
• 学位论文数据集