交通流量多阶段估计方法与应用.pdfVIP

摘 要 交通流量估计问题是运筹学与管理科学交叉研究的热点问题之一。交通流量 可以反映城市交通系统需求的状况，是交通规划与管理的重要基础数据。本文从 数据相关性的角度入手，首先定义了结点-路段-OD 对关联矩阵，提出了基于网 络结点交通流守恒特征的路段流量和OD 需求估计方法；接着以路段之间的交通 流量相关性为指标，建立了基于交通流量相关性的交通流量多阶段估计模型，并 给出了求解算法和数值算例。 第一章绪论部分介绍了交通流量估计问题的研究背景和意义，并对交通流量 估计问题的研究现状进行分类介绍。 第二章简要介绍了本文研究内容所用到的一些预备知识：给出了交通配流模 型的概念，并对经典的用户均衡模型和求解算法进行了概述；对论文中涉及到的 机器学习的XGBoost 算法以及人工神经网络的原理进行概述。 第三章提出了一种基于路网结点流量守恒特征的路段流量和OD 估计方法， 首先定义了结点-路段-OD 对关联矩阵，通过高斯消去法求解需要被观测的变量 的最小子集，从而推断出其余的路段流量和 OD 需求，实现全路网交通流量和 OD 需求的同时估计。最后，通过两个数值算例来验证此方法的有效性和正确性。 第四章提出了基于交通流量相关性的交通流量多阶段估计模型，该模型归结 为一个整数规划问题，应用遗传算法对此模型求解，得出每个阶段需要估计的变 量个数。随后，将每一个阶段估计出的交通流量作为已知变量，使用BP 神经网 络对下一个阶段的交通流量进行估计，从而给出了多阶段交通流量估计方法。最 后，通过两个小、中型网络来验证模型的有效性。 第五章给出了本文的创新点、总结及展望。 该论文有图11 幅，表2 1 个，参考文献83 篇。 关键词：交通配流；交通流量估计；流量守恒；多阶段估计；机器学习 I Abstract Traffic flow estimation is one of the hot topics in the interdisciplinary of operations research and management science. Traffic flow can reflect the performance of urban transportation system in demand side. It is also regarded as an important basic data for transportation planning and management. According to the correlation between traffic data, this paper defines the node-link-OD pair incidence matrix firstly. Then, an estimation method is proposed based on the link flow and OD demand conservation conditions at nodes in the transportation network. Considering the traffic flow correlation between different links, a multi-stage traffic flow estimation model is formulated. Finally, the corresponding solution algorithm and