CN105070042B - 一种交通预测的建模方法 - Google Patents
一种交通预测的建模方法 Download PDFInfo
- Publication number
- CN105070042B CN105070042B CN201510435937.6A CN201510435937A CN105070042B CN 105070042 B CN105070042 B CN 105070042B CN 201510435937 A CN201510435937 A CN 201510435937A CN 105070042 B CN105070042 B CN 105070042B
- Authority
- CN
- China
- Prior art keywords
- traffic
- trip
- intersection
- mrow
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种交通预测的建模方法，包括以下步骤：(1)建立道路交通基础设施地理信息数据库，存储和更新交通规划方案，建立交叉口延误判定；(2)建立城市规划建设地理信息数据库，存储各片区控制性详细规划，并利用原单位法构建交通生成情况；(3)调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，利用重力模型法预测出行分布矩阵；(4)构建多元logit模型，确定个人在特定的出行信息中选择出行方式的概率分布；(5)采用容量限制多路径分配方法进行交通分配。本发明从建模目的、方法到实现统筹规划，建模参数的选取和基础数据来源、计算程序设计相协调，保障了交通预测模型系统应用操作方便。
Description
技术领域
本发明涉及一种交通预测的建模方法。
背景技术
交通预测是借助计算机技术模拟城市空间布局与交通出行的变化规律，为城市的建设者提供决策依据。目前的交通预测建模系统存在以下问题：
(1)城市规划建设管理和反馈是一个长期动态的过程，受限于基础数据的内容和形式，不易于充分利用城市规划建设数据；
(2)现在的建模系统和方法众多，参数众多，但是参数获取太难，或者是有的参数无法用已有的分析软件实现；很多城市的交通模型一旦把基础数据录入到分析软件，如果城市规划变了，再更新交通模型就很复杂，但是城市规划经常变，全市各个分区的控制性规划不可能一次性的整理完整；
(3)一般的四阶段交通预测建模均需要手动设定输入条件、输出结果和结果判定，无法保证建模参数选取和取值设定的稳定性和可视性，各阶段矩阵数据的存储和调用容易出现错误，且不易于模型维护的公开性和可持续性。
发明内容
本发明为了解决上述问题，提出了一种交通预测的建模方法，本方法通过对城市交通建模理论及相应分析软件的成熟程度、数据资料获取的难易程度两方面的考量，选择目前应用较广，发展较为成熟的四阶段法为基本原理，模型按照交通生成模块、交通分布模块、交通方式划分模块和交通分配模块四个子系统依次展开。
为了实现上述目的，本发明采用如下技术方案：
一种交通预测的建模方法，包括以下步骤：
(1)建立道路交通基础设施地理信息数据库，存储和更新交通规划方案，建立交叉口延误判定；
(2)建立城市规划建设地理信息数据库，存储各片区控制性详细规划，并利用原单位法构建交通生成情况；
(3)调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，利用重力模型法预测出行分布矩阵；
(4)构建多元logit模型，确定个人在特定的出行信息中选择出行方式的概率分布；
(5)采用容量限制多路径分配模型进行交通分配。
所述步骤(1)中，道路交通基础设施地理信息数据库包括属性：道路网络、公交线网、道路红线、道路等级、车道数、设计车速、道路收费情况、交通组织和流量延误函数。
所述步骤(1)中，建立交叉口判定的具体方法包括：
(1-1)交叉口分类抽样调查，按照相交道路等级和车道数划分交叉口；
(1-2)分类分转向统计交叉口转向延误，按进口道转向统计交叉口的车辆平均延误时间，建立交叉口转向延误惩罚函数；
(1-3)对所有道路交叉口识别转向，计算转向角度；
(1-4)调用交叉口转向延误惩罚函数，根据道路类型和交叉口识别转向对其进行赋值；
(1-5)根据交叉口转向延误惩罚函数进行交叉口延误判定。
所述步骤(1-1)中，交叉口划分类型包括主干路与主干路交叉口、主干路与次干路交叉口、次干路与次干路交叉口、主干路与支路交叉口、次干路与支路交叉口和支路与支路交叉口。
所述步骤(1-2)中，建立交叉口转向延误惩罚函数tpfIJN：
I表示交叉口入口道道路等级，分别用1,2,3表示，1＝主干道，2＝次干道，3＝支路；
J表示交叉口出口道道路等级，分别用1,2,3表示，1＝主干道，2＝次干道，3＝支路；
N表示交叉口转向，分别用0,1,2,3,12,13表示，0＝左直右，1＝直行，2＝右转，3＝左转，12＝直左转，13表示直右转，其中掉头和左转用一个代码表示。
所述步骤(1-3)中，计算公式为：
转向夹角up2＝<向量IJ，向量JK>
＝arctan(sin<向量IJ，向量JK>/cos<向量IJ，向量JK>)
＝arctan(|向量IJ|·|向量JK|·sin<向量IJ，向量JK>/|向量IJ|·|向量JK|·cos<向量IJ，向量JK>)
＝arctan(|向量IJ×向量JK|/向量IJ·向量JK)
＝arctan(((yk-yj)*(xj-xi)-(xk-xj)*(yj-yi))/((xk-xj)*(xj-xi)+(yk-yj)*(yj-yi)))
其中，交叉口节点K坐标(xk,yk)，入口道I点的坐标(xi,yi)，出口道J点的坐标(xj,yj)。
所述步骤(1)中，交叉口延误参考BPR函数型式，交叉口延误则按照分段函数的型式，交叉口分类抽样调查，按照相交道路等级和车道数划分交叉口；分类分转向统计交叉口转向延误，按进口道转向统计交叉口的车辆平均延误时间，建立交叉口转向延误惩罚函数：
d＝D+I
其中d为交通路径的延误值；D表示路段交通延误，t为路段的零流通行时间，αi、βi为设计参数，xi为路段交通流量，ci为路段通行能力；I表示交叉口转向交通延误，typei为两条相交道路等级，主干路为2，次干路为3，支路为4，iab中，a表示的是情况编号，b为转向，左转为1，直行为2，右转为3，分别定义具体数值并查询。
所述步骤(2)中，城市规划建设地理信息数据库包括用地类型、容积率、用地面积、所属分区、居住人口、交通产生量(率)和交通吸引量(率)。
在步骤(2)中，预测不同出行目的的生成交通量，采用如下公式：
式中：——某出行目的和人口属性的平均出行生成量；
NE——某属性的人口；
l——人口属性(常住人口、就业人口、工作人口、流动人口)；
k——出行目的；
Tk——出行目的为k时的生成交通量；
T——研究对象地区总的生成交通量；
得到出行产生矩阵mfPro和出行吸引矩阵mfAtt，产生矩阵形式“交通小区编号IDall:交通产生量”，吸引矩阵形式“all交通小区编号ID：交通吸引量”。
所述步骤(3)中，调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，设定存储矩阵的名称，交通预测过程中的自动存储、调用，循环迭代之前清零，城市规划建设地理信息数据库的局部更新数据，通过调用数据实现对存储矩阵进行更新。
所述步骤(3)中，利用重力模型法预测出行分布矩阵，该方法考虑分区间的交通阻抗对出行分布的影响，通过重力模型将区域间的出行流量和交通出行阻力因素直接关联起来。除了基于各区域的总出发和到达量，还包括对区域之间平均出行长度(时间)的约束，
其中，Oi、Dj分别表示交通小区的交通产生量和吸引量，作为约束条件，f(cij)表示区域之间的交通阻抗，在交通分布预测阶段采用路径的零流通行时间，k1、γ为参数，根据现状OD调查资料，利用最小二乘法确定。
调用了道路交通基础设施地理信息数据库，路径的交通阻抗值需要考虑交叉口信控延误，同时需考虑在轨道交通和快速公共交通走廊下的公交通行时间，在比较公交通行时间和道路交通通行时间之后取小作为f(cij)取值。以往的方法是仅仅考虑道路交通的通行时间，从而没有办法预测轨道交通对居民出行的影响，直观来说，以往的方法只能判断居民一般的出行距离，而现在城市建设轨道交通之后具备轨道交通出行条件的居民通常可以更快的去往较远的地方，这点在以往的方法当中通常不被体现。
所述步骤(3)中，交通分布预测阶段已经调用了道路交通基础设施地理信息数据库，路径的交通阻抗值需要考虑交叉口信控延误，同时需考虑在轨道交通和快速公共交通走廊下的公交通行时间，在比较公交通行时间和道路交通通行时间之后取小作为f(cij)取值，
得到出行分布矩阵mfDemand，出行分布矩阵mfDemand形式“出行起点小区编号ID1出行终点小区编号ID2：对应出行交通量”。
所述步骤(4)，多元logit模型在个体选择一个方式的概率与其相关效用之间建立一种关系，即为个人、家庭或公司，根据出行方式的效用，从可选的出行方式中选择一个特定的出行方式的概率：
其中Pn(i)：个体n选择出行方式i的概率；Yn：个体n的相应变量的值；Cn：个体n的可选方式的集合；Vni：出行方式i对个体n的效用的可测分量。
所述步骤(5)，容量限制多路径分配模型：
其中表示节点n1处第k2条有效出行路线的行程时间；T表示节点n1处所有有效出行路线的行程时间平均值；σ为无量纲分配参数；S表示出行目的地。
所述步骤(5)中，多路径分配模型中引进有效路段及有效出行路线两个概念，有效路段[i-j]被定义为路段终点j比路段起点i更靠近出行目的地S的路段，即沿该路段前进能更接近出行终点，有效路段的判别条件为：对于路段[i-j]，如果路段终点j到出行目的地S的距离L(j,S)小于路段起点i到出行目的地S的距离L(i,S)，则它为有效路段，有效出行路线必须由一系列有效路段组成，每一对OD点对的出行量只在它相应的有效出行路线上进行分配，有效出行路线L(i-j,S)的长度被定义为有效路段[i,j]的路权d(i,j)加上有效路段终点j至出行目的地S的距离L(j,S)，有效路线长度确定后，计算各有效出行路线的分配率及有效路段的分配交通量。
分配交通量受道路交通基础设施容量限制，道路通行能力为扣除公交专用道之后和交叉口通行路权的道路通行能力，通过路段流量延误函数调节有效出行路线。
本发明的有益效果为：
(1)从建模目的、方法到实现统筹规划，建模参数的选取和基础数据来源、计算程序设计相协调，保障了交通预测模型系统应用操作方便。
(2)将调用、保存、迭代和分析等功能整合，运用标定的参数进行迭代运算，简化了数据分析的计算过程，提高了运行效率，实现了快速建模和精确建模。
附图说明
图1为本发明的流程示意图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
如图1所示，一种交通预测建模方法，包括以下步骤：
(1)建立道路交通基础设施地理信息数据库，用于交通规划方案的存储和更新；
(2)建立城市规划建设地理信息数据库，用于存储各片区控制性详细规划，并利用原单位法构建交通生成模块；
(3)调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，利用重力模型法预测出行分布矩阵；
(4)构建多元logit模型，确定个人在特定的出行信息中选择出行方式的概率分布；
(5)采用容量限制多路径分配模型进行交通分配；
所述步骤(1)中，道路交通基础设施地理信息数据库包括属性：道路网络、公交线网、道路红线、道路等级、车道数、设计车速、道路收费情况、交通组织、流量延误函数等。其中路段延误参考BPR函数型式，交叉口延误则按照分段函数的型式。交叉口分类抽样调查，按照相交道路等级和车道数划分交叉口；分类分转向统计交叉口转向延误，按进口道转向统计交叉口的车辆平均延误时间，建立交叉口转向延误惩罚函数；
d＝D+I
所述步骤(2)中，城市规划建设地理信息数据库包括属性：用地类型、容积率、用地面积、所属分区、居住人口、交通产生量(率)、交通吸引量(率)。其中预测不同出行目的的生成交通量采用如下公式：
式中：——某出行目的和人口属性的平均出行生成量；
NE——某属性的人口；
l——人口属性(常住人口、就业人口、工作人口、流动人口)；
k——出行目的；
Tk——出行目的为k时的生成交通量；
T——研究对象地区总的生成交通量。
得到出行产生矩阵mfPro和出行吸引矩阵mfAtt，产生矩阵形式“交通小区编号IDall:交通产生量”，吸引矩阵形式“all交通小区编号ID：交通吸引量”。
所述步骤(3)，利用交通分析软件调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，在交通分析软件中完成进一步的交通预测分析工作。预先设定存储矩阵的名称，交通预测过程中的自动存储、调用，循环迭代之前清零。城市规划建设地理信息数据库的局部更新数据，可以通过调用数据实现对交通分析软件存储矩阵的快速更新。
四阶段法交通预测过程中所涉及的过程数据的存储名称，
利用重力模型法预测出行分布矩阵，该方法考虑分区间的交通阻抗对出行分布的影响，通过重力模型将区域间的出行流量和交通出行阻力因素直接关联起来。除了基于各区域的总出发和到达量，还包括对区域之间平均出行长度(时间)的约束。
其中，Oi、Dj分别表示交通小区的交通产生量和吸引量，作为约束条件。f(cij)表示区域之间的交通阻抗，在交通分布预测阶段一般是采用路径的零流通行时间。k1、γ为参数，根据现状OD调查资料，利用最小二乘法确定。
本发明中，交通分布预测阶段已经调用了道路交通基础设施地理信息数据库，路径的交通阻抗值需要考虑交叉口信控延误，同时需考虑在轨道交通和快速公共交通走廊下的公交通行时间，在比较公交通行时间和道路交通通行时间之后取小作为f(cij)取值。
得到出行分布矩阵mfDemand，出行分布矩阵mfDemand形式“出行起点小区编号ID1出行终点小区编号ID2：对应出行交通量”
所述步骤(4)，多元logit模型在个体选择一个方式的概率与其相关效用之间建立一种关系。即决策单元(个人、家庭或公司)根据出行方式的效用，从一些可选的出行方式中选择一个特定的出行方式的概率。
其中Pn(i)：个体n选择出行方式i的概率；Yn：个体n的相应变量的值；Cn：个体n的可选方式的集合；Vni：出行方式i对个体n的效用的可测分量。。
所述步骤(5)，容量限制多路径分配模型：
其中表示节点n1处第k2条有效出行路线的行程时间；T表示节点n1处所有有效出行路线的行程时间平均值；σ为无量纲分配参数；S表示出行目的地。
多路径分配模型中引进了有效路段及有效出行路线两个概念，有效路段[i-j]被定义为路段终点j比路段起点i更靠近出行目的地S的路段，即沿该路段前进能更接近出行终点。有效路段的判别条件为：对于路段[i-j]，如果路段终点j到出行目的地S的距离L(j,S)小于路段起点i到出行目的地S的距离L(i,S)，则它为有效路段。有效出行路线必须由一系列有效路段组成，每一对OD点对的出行量只在它相应的有效出行路线上进行分配。有效出行路线L(i-j,S)的长度被定义为有效路段[i,j]的路权d(i,j)加上有效路段终点j至出行目的地S的距离L(j,S)。有效路线长度确定后，便可用上式计算各有效出行路线的分配率及有效路段的分配交通量。分配交通量受道路交通基础设施容量限制，道路通行能力为扣除公交专用道之后和交叉口通行路权的道路通行能力，通过路段流量延误函数调节有效出行路线。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种交通预测的建模方法，其特征是：包括以下步骤：
(1)建立道路交通基础设施地理信息数据库，存储和更新交通规划方案，建立交叉口延误判定；
(2)建立城市规划建设地理信息数据库，存储各片区控制性详细规划，并利用原单位法构建交通生成情况；
(3)调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，利用重力模型法预测出行分布矩阵；
(4)构建多元logit模型，确定个人在特定的出行信息中选择出行方式的概率分布；
(5)采用容量限制多路径分配模型进行交通分配；
在步骤(2)中，预测不同出行目的的生成交通量，采用如下公式：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>T</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<msup>
<mi>T</mi>
<mi>k</mi>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<mi>T</mi>
<mi>k</mi>
</msup>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>l</mi>
</munder>
<msubsup>
<mi>a</mi>
<mi>l</mi>
<mi>k</mi>
</msubsup>
<msub>
<mi>N</mi>
<mi>E</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中：——某出行目的和人口属性的平均出行生成量；
NE——某属性的人口；
l——人口属性；
k——出行目的；
Tk——出行目的为k时的生成交通量；
T——研究对象地区总的生成交通量；
得到出行产生矩阵mfPro和出行吸引矩阵mfAtt，产生矩阵形式“交通小区编号ID all：交通产生量”，吸引矩阵形式“all交通小区编号ID：交通吸引量”；
所述步骤(3)中，调用道路交通基础设施地理信息数据库和城市规划建设地理信息数据库的数据，设定存储矩阵的名称，交通预测过程中的自动存储、调用，循环迭代之前清零，城市规划建设地理信息数据库的局部更新数据，通过调用数据实现对存储矩阵进行更新；
所述步骤(3)中，利用重力模型法预测出行分布矩阵，该方法考虑分区间的交通阻抗对出行分布的影响，通过重力模型将区域间的出行流量和交通出行阻力因素直接关联起来,除了基于各区域的总出发和到达量，还包括对区域之间平均出行长度的约束，
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>O</mi>
<mi>i</mi>
<mi>&alpha;</mi>
</msubsup>
<msubsup>
<mi>D</mi>
<mi>j</mi>
<mi>&beta;</mi>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msubsup>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>&gamma;</mi>
</msubsup>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>c</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
</mrow>
其中，Oi、Dj分别表示交通小区的交通产生量和吸引量，作为约束条件，f(cij)表示区域之间的交通阻抗，在交通分布预测阶段采用路径的零流通行时间，α、β为参数，k1、γ为参数，根据现状OD调查资料，利用最小二乘法确定；
所述步骤(3)中，交通分布预测阶段已经调用了道路交通基础设施地理信息数据库，路径的交通阻抗值需要考虑交叉口信控延误，同时需考虑在轨道交通和快速公共交通走廊下的公交通行时间，在比较公交通行时间和道路交通通行时间之后取小作为f(cij)取值，得到出行分布矩阵mfDemand，出行分布矩阵mfDemand形式“出行起点小区编号ID1出行终点小区编号ID2：对应出行交通量”。
2.如权利要求1所述的一种交通预测的建模方法，其特征是：所述步骤(1)中，道路交通基础设施地理信息数据库包括属性：道路网络、公交线网、道路红线、道路等级、车道数、设计车速、道路收费情况、交通组织和流量延误函数。
3.如权利要求1所述的一种交通预测的建模方法，其特征是：所述步骤(1)中，建立交叉口判定的具体方法包括：
(1-1)交叉口分类抽样调查，按照相交道路等级和车道数划分交叉口；
(1-2)分类分转向统计交叉口转向延误，按进口道转向统计交叉口的车辆平均延误时间，建立交叉口转向延误惩罚函数；
(1-3)对所有道路交叉口识别转向，计算转向角度；
(1-4)调用交叉口转向延误惩罚函数，根据道路类型和交叉口识别转向对其进行赋值；
(1-5)根据交叉口转向延误惩罚函数进行交叉口延误判定。
4.如权利要求3所述的一种交通预测的建模方法，其特征是：所述步骤(1-1)中，交叉口划分类型包括主干路与主干路交叉口、主干路与次干路交叉口、次干路与次干路交叉口、主干路与支路交叉口、次干路与支路交叉口和支路与支路交叉口；所述步骤(1-2)中，建立交叉口转向延误惩罚函数tpfIJN：
I表示交叉口入口道道路等级，分别用1，2，3表示，1＝主干道，2＝次干道，3＝支路；
J表示交叉口出口道道路等级，分别用1，2，3表示，1＝主干道，2＝次干道，3＝支路；
N表示交叉口转向，分别用0，1，2，3，12，13表示，0＝左直右，1＝直行，2＝右转，3＝左转，12＝直左转，13表示直右转，其中掉头和左转用一个代码表示；所述步骤(1-3)中，计算公式为：
转向夹角up2＝<向量IJ，向量JK>
＝arctan(sin<向量IJ，向量JK>/cos<向量IJ，向量JK>)
＝arctan(|向量IJ|·|向量JK|·sin<向量IJ，向量JK>/|向量IJ|·|向量JK|·cos<向量IJ，向量JK>)
＝arctan(|向量IJ×向量JK|/向量IJ·向量JK)
＝arctan(((yk-yj)*(xj-xi)-(xk-xj)*(yj-yi))/((xk-xj)*(xj-xi)+(yk-yj)*(yj-yi)))
其中，交叉口节点K坐标(xk,yk)，入口道I点的坐标(xi,yi)，出口道J点的坐标(xj,yj)。
5.如权利要求1所述的一种交通预测的建模方法，其特征是：所述步骤(1)中，交叉口延误参考BPR函数型式，交叉口延误则按照分段函数的型式，交叉口分类抽样调查，按照相交道路等级和车道数划分交叉口；分类分转向统计交叉口转向延误，按进口道转向统计交叉口的车辆平均延误时间，建立交叉口转向延误惩罚函数：
d＝D+I
<mrow>
<mi>D</mi>
<mo>=</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
</msup>
<mo>&rsqb;</mo>
</mrow>
2
其中d为交通路径的延误值；D表示路段交通延误，t为路段的零流通行时间，αi、βi为设计参数，xi为路段交通流量，ci为路段通行能力；I表示交叉口转向交通延误，typei为两条相交道路等级，主干路为2，次干路为3，支路为4，iab中，a表示的是情况编号，b为转向，左转为1，直行为2，右转为3，分别定义具体数值并查询。
6.如权利要求1所述的一种交通预测的建模方法，其特征是：所述步骤(4)，多元logit模型在个体选择一个方式的概率与其相关效用之间建立一种关系，即为个人、家庭或公司，根据出行方式的效用，从可选的出行方式中选择一个特定的出行方式的概率：
其中Pn(i)：个体n选择出行方式i的概率；Yn：个体n的相应变量的值；Cn：个体n的可选方式的集合；Vni：出行方式i对个体n的效用的可测分量。
7.如权利要求1所述的一种交通预测的建模方法，其特征是：所述步骤(5)，容量限制多路径分配模型：
其中表示节点n1处第k2条有效出行路线的行程时间；T表示节点n1处所有有效出行路线的行程时间平均值；σ为无量纲分配参数；S表示出行目的地；
所述步骤(5)中，多路径分配模型中引进有效路段及有效出行路线两个概念，有效路段[i-j]被定义为路段终点j比路段起点i更靠近出行目的地S的路段，即沿该路段前进能更接近出行终点，有效路段的判别条件为：对于路段[i-j]，如果路段终点j到出行目的地S的距离L(j,S)小于路段起点i到出行目的地S的距离L(i,S)，则它为有效路段，有效出行路线必须由一系列有效路段组成，每一对OD点对的出行量只在它相应的有效出行路线上进行分配，有效出行路线L(i-j,S)的长度被定义为有效路段[i,j]的路权d(i,j)加上有效路段终点j至出行目的地S的距离L(j,S)，有效路线长度确定后，计算各有效出行路线的分配率及有效路段的分配交通量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510435937.6A CN105070042B (zh) | 2015-07-22 | 2015-07-22 | 一种交通预测的建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510435937.6A CN105070042B (zh) | 2015-07-22 | 2015-07-22 | 一种交通预测的建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105070042A CN105070042A (zh) | 2015-11-18 |
| CN105070042B true CN105070042B (zh) | 2017-10-10 |
Family
ID=54499396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510435937.6A Active CN105070042B (zh) | 2015-07-22 | 2015-07-22 | 一种交通预测的建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105070042B (zh) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682759B (zh) * | 2016-08-30 | 2021-06-11 | 大连理工大学 | 针对电动出租车的电池供应系统及网络优化方法 |
| CN106991813A (zh) * | 2017-05-15 | 2017-07-28 | 东南大学 | 一类掉头车辆和转向限制的道路交叉口流量流向推算方法 |
| CN107038863B (zh) * | 2017-05-17 | 2020-02-18 | 东南大学 | 考虑综合交通管理措施的城市道路网络广义路权计算方法 |
| CN107993436A (zh) * | 2017-11-22 | 2018-05-04 | 思建科技有限公司 | 一种基于obd的路况预测方法及系统 |
| CN108876035B (zh) * | 2018-06-01 | 2021-09-03 | 东南大学 | 考虑出行者目的地偏好的交通分布与交通流分配组合模型 |
| CN108876042B (zh) * | 2018-06-08 | 2021-09-07 | 东南大学 | 新型交通分布与交通流分配组合模型的r语言处理方法 |
| CN109035112B (zh) * | 2018-08-02 | 2021-01-26 | 东南大学 | 基于多源数据融合的城市建设与更新模式确定方法及系统 |
| CN109903561B (zh) * | 2019-03-14 | 2021-05-07 | 智慧足迹数据科技有限公司 | 路段间人流量计算方法、装置以及电子设备 |
| CN110009205B (zh) * | 2019-03-21 | 2021-08-03 | 东南大学 | 一种区域综合交通一体化的方式划分与交通分配方法 |
| CN110008546B (zh) * | 2019-03-22 | 2022-07-19 | 西南交通大学 | 环形过道设施布置方法 |
| CN110570650B (zh) * | 2019-05-17 | 2021-05-11 | 东南大学 | 一种基于rfid数据的出行路径与节点流量预测方法 |
| CN110288205B (zh) * | 2019-06-04 | 2021-07-27 | 北京世纪高通科技有限公司 | 交通影响评价方法及装置 |
| CN110705904A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种在线交通承载能力评价系统 |
| CN110807926B (zh) * | 2019-11-05 | 2021-06-11 | 武汉理工大学 | 一种基于混合交通的道路阻抗预测方法及装置 |
| CN111145537B (zh) * | 2019-12-02 | 2021-06-15 | 东南大学 | 一种出行生成量预测方法及系统 |
| CN111126678B (zh) * | 2019-12-09 | 2023-03-31 | 深圳市市政设计研究院有限公司 | 一种基于大数据的交通生成预测方法 |
| CN111143769B (zh) * | 2019-12-09 | 2023-05-09 | 深圳市市政设计研究院有限公司 | 一种基于大数据的出行方式分担率的预测方法和预测装置 |
| CN111583677B (zh) * | 2020-04-23 | 2022-02-01 | 河海大学 | 车路协同环境下基于多路径方案的交叉口车辆诱导方法 |
| CN111710156B (zh) * | 2020-05-25 | 2021-07-27 | 重庆市交通规划研究院 | 一种道路交通流量预测方法、系统、介质及设备 |
| CN112613662B (zh) * | 2020-12-23 | 2023-11-17 | 北京恒达时讯科技股份有限公司 | 公路交通量分析方法、装置、电子设备和存储介质 |
| CN112784789B (zh) * | 2021-01-29 | 2023-08-18 | 北京百度网讯科技有限公司 | 识别道路的交通流量的方法、装置、电子设备和介质 |
| CN114639239B (zh) * | 2022-02-24 | 2023-04-18 | 东南大学 | 一种改进重力模型交通分布预测方法 |
| CN114694378B (zh) * | 2022-03-21 | 2023-02-14 | 东南大学 | 一种两阶段的交通分布预测方法 |
| CN115099542B (zh) * | 2022-08-26 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 跨城通勤出行生成和分布预测方法、电子设备及存储介质 |
| CN115662144B (zh) * | 2022-12-23 | 2023-04-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种动态od交通流推算补全方法、电子设备及存储介质 |
| CN117116062B (zh) * | 2023-10-23 | 2024-01-09 | 山东高速股份有限公司 | 一种施工占道情景下高速公路交通量预测的方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1804932A (zh) * | 2006-01-19 | 2006-07-19 | 吉林大学 | 车载实时动态交通诱导路径优化方法 |
| CN102368309A (zh) * | 2011-04-02 | 2012-03-07 | 复旦大学 | 一种城市土地使用与交通一体化规划决策支持方法及系统 |
| CN103680127A (zh) * | 2013-08-29 | 2014-03-26 | 中国科学院地理科学与资源研究所 | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 |
-
2015
- 2015-07-22 CN CN201510435937.6A patent/CN105070042B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105070042A (zh) | 2015-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105070042B (zh) | 一种交通预测的建模方法 | |
| CN104866654B (zh) | 一种一体化城市动态交通仿真平台的构建方法 | |
| CN104183119B (zh) | 基于路段od反推的实时交通流分布预测方法 | |
| CN108847037A (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
| CN108898838A (zh) | 一种基于lstm模型的机场交通拥堵预测方法及装置 | |
| CN105679102B (zh) | 一种全国飞行流量时空分布预测推演系统及方法 | |
| CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
| CN106251625A (zh) | 大数据环境下立体城市交通路网全局状态预测方法 | |
| CN103198104A (zh) | 一种基于城市智能公交系统的公交站点od获取方法 | |
| CN106096756A (zh) | 一种城市交通路网动态实时多路口路径选择方法 | |
| CN107123260A (zh) | 基于出行者预算限制的交通分配方法 | |
| Wu et al. | Effects of road network structure on the performance of urban traffic systems | |
| CN103593535A (zh) | 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法 | |
| CN107195180A (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
| CN109686091A (zh) | 一种基于多源数据融合的交通流量填补算法 | |
| CN107563566A (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
| He et al. | Congestion avoidance routing based on large-scale social signals | |
| Mahut et al. | Calibration and application of a simulation-based dynamic traffic assignment model | |
| CN107490384A (zh) | 一种基于城市路网的最优静态路径选择方法 | |
| Kaddoura | Marginal congestion cost pricing in a multi-agent simulation investigation of the greater Berlin area | |
| CN110046213A (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
| CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
| CN106384521A (zh) | 一种基于公交优先的单交叉口交通信号优化控制方法 | |
| CN104637328A (zh) | 一种车辆自组织网络中基于rsu的分布式实时导航方法 | |
| Lin et al. | A simulation-based multiclass, multimodal traffic assignment model with departure time for evaluating traffic control plans of planned special events |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ji Hai Inventor after: Wang Yu Inventor after: Ping Yongqing Inventor after: Zhang Dehua Inventor before: Ji Hai Inventor before: Wang Yu Inventor before: Ping Yongqing |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ji Hai Inventor after: Wang Yu Inventor after: Ping Yongqing Inventor after: Zhang Dehua Inventor before: Ji Hai Inventor before: Wang Yu Inventor before: Ping Yongqing Inventor before: Zhang Dehua |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |