基于移动源数据的城市路网行程时间可靠性评价模型与算法

论文摘要

道路运行质量的好坏已经成为影响城市功能正常发挥和城市可持续发展的一个全局性问题。目前,路网可靠性作为一种概率型评价指标,在城市道路交通系统运行状态评价领域得到了快速发展。特别是行程时间可靠性评价技术,由于它能够准确地描述行程时间的波动性,从而得到出行者、政府管理部门和交通专家的广泛重视,成为路网可靠性研究的热点问题。同时,移动检测技术的发展,为实时、动态、准确地获取行程时间数据提供了可能。本文在对移动源数据进行分析、挖掘的基础上,建立了城市路网行程时间可靠性评价模型与算法,从而为我国城市路网的运行状态评价提供了一种新的方法。本文的主要研究成果包括:1、提出了路段行程时间可靠性评价指标设计的全面性、系统性、实用性原则,分析了现有的路段行程时间可靠性评价指标缺乏对路段功能进行准确界定的缺陷,利用服务水平及其对应的期望行程时间对路段功能进行了准确界定,给出了路段行程时间可靠性评价指标的定义。2、分别采用正态分布、对数正态分布、伽玛分布、威布尔分布四种常用的可靠性分析模型,对不同月份、不同日期、不同道路等级的路段在早高峰时段的行程时间的概率密度函数进行曲线拟合,结果表明:对数正态分布的拟合效果最佳。在此基础上,建立了路段行程时间可靠性评价的“对数正态分布可靠性模型(LOGNR)”。3、分析了交通流量、速度、密度三者之间的关系,结合路段行程时间的分位数计算,确定了以北京市为代表的我国大城市路网各等级道路可接受的服务水平对应的期望行程时间上限。4、基于随机抽样理论以及正态总体均值和标准差的区间估计理论,建立了面向路段行程时间可靠性评价的移动源数据样本量下限数学模型,并设计了模型求解的启发式算法。在此基础上,计算了典型路段行程时间可靠性评价所需的最小样本量。5、针对单一的移动源行程时间数据获取条件,将改进的随机插补方法与期望最大化(EM)算法相结合,建立了缺失数据条件下、基于EM算法的路段行程时间可靠性评价模型的参数估计方法。在此基础上,对比了EM算法和基于完全观测数据的极大似然估计(ML)方法、基于随机插补数据的ML方法的效果,证实了EM算法的优越性。6、根据对数正态随机变量之和的概率分布特性——“当随机变量服从对数正态分布时,对数正态随机变量之和也服从对数正态分布”,建立了路径行程时间可靠性的“对数正态和分布可靠性模型(SLOGNR)”。模型分别考虑了路段之间相互独立和路段相关两种情况,给出了相应的计算公式。7、分析了出行者的随机路径选择行为,对Logit路径选择模型和算法进行了改进,解决了Logit路径选择模型的两大缺陷,即:一是路径选择概率取决于路径之间阻抗的绝对差异,二是重叠路段问题。在此基础上,建立了基于改进的Logit路径选择模型的路网行程时间可靠性评价模型。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 目录
• 图目录
• 表目录
• 1 绪论
• 1.1 研究背景
• 1.2 研究目的和意义
• 1.3 本文的主要研究内容
• 1.4 本文的框架结构
• 2 国内外研究综述
• 2.1 路网可靠性相关研究综述
• 2.1.1 路网可靠性的概念
• 2.1.2 路网可靠性的发展历程
• 2.1.3 路网可靠性评价技术
• 2.2 行程时间可靠性相关研究综述
• 2.2.1 行程时间可靠性评价指标
• 2.2.2 行程时间可靠性评价方法
• 2.3 移动检测技术相关研究综述
• 2.3.1 移动检测技术及其性能分析
• 2.3.2 移动源数据特性及其可行性分析
• 2.4 存在问题分析
• 2.5 本章小结
• 3 基于移动源数据的路段行程时间可靠性评价模型
• 3.1 路段行程时间的波动性分析
• 3.1.1 DOW波动性分析
• 3.1.2 TOD波动性分析
• 3.2 路段行程时间的概率分布模型
• 3.2.1 路段行程时间的常用统计分布
• 3.2.2 路段行程时间分布拟合
• 3.2.3 路段行程时间概率分布模型
• 3.2.4 路段行程时间的统计特征
• 3.3 路段行程时间可靠性评价模型
• 3.3.1 行程时间可靠性评价指标的设计原则
• 3.3.2 行程时间可靠性评价指标的建立
• 3.3.3 期望行程时间和服务水平划分标准
• 3.3.4 路段行程时间可靠性评价模型（LOGNR）
• 3.4 路段行程时间可靠性计算实例
• 3.4.1 不同等级路段的行程时间可靠性分析
• 3.4.2 路段行程时间可靠性评价模型准确性检验
• 3.4.3 路段行程时间可靠性时变趋势分析
• 3.5 本章小结
• 4 路段移动源数据样本量分析
• 4.1 现有研究方法介绍
• 4.2 路段移动源数据样本量下限模型
• 4.2.1 研究思路
• 4.2.2 基于正态总体均值区间估计的路段样本量模型
• 4.2.3 基于正态总体标准差区间估计的路段样本量模型
• 4.3 实例分析
• 4.3.1 典型路段移动源数据样本量下限计算
• 4.3.2 典型路段移动源数据样本量下限建议
• 4.4 本章小结
• 5 缺失数据下的路段行程时间可靠性评价
• 5.1 移动源数据的缺失问题
• 5.1.1 缺失数据机制
• 5.1.2 导致路段行程时间数据缺失的机制
• 5.2 缺失数据的处理方法
• 5.2.1 基于完全观测单元的方法
• 5.2.2 基于插补的方法
• 5.2.3 基于模型的方法
• 5.3 缺失数据下的路段行程时间可靠性评价
• 5.3.1 研究思路
• 5.3.2 基于EM算法的路段行程时间可靠性模型参数估计
• 5.4 实例分析
• 5.4.1 不同缺失率下的路段行程时间可靠性评价实例
• 5.4.2 不同缺失数据处理方法的对比分析
• 5.5 本章小结
• 6 基于移动源数据的路网行程时间可靠性评价模型
• 6.1 一般网络的可靠性模型
• 6.1.1 简单网络的可靠性模型
• 6.1.2 复杂网络的可靠性模型
• 6.2 路径行程时间可靠性建模
• 6.2.1 一般的建模思路和存在的问题
• 6.2.2 基于SLOGN的路径行程时间可靠性模型
• 6.2.3 路径行程时间可靠性模型的准确性检验
• 6.3 路网行程时间可靠性模型
• 6.3.1 路网行程时间可靠性的定义
• 6.3.2 改进的Logit路径选择模型
• 6.3.3 改进的Logit路径选择算法
• 6.3.4 基于改进的Logit模型的路网行程时间可靠性模型
• 6.4 城市路网行程时间可靠性的实例分析
• 6.5 本章小结
• 7 结论与展望
• 7.1 主要研究结论
• 7.2 研究展望
• 参考文献
• 作者简历
• 学位论文数据集