[发明专利]一种基于信令和浮动车数据的小汽车OD提取方法

说明书

本发明公开了一种基于信令和浮动车数据的小汽车OD提取方法，属于交通运输技术领域。针对目前动态OD估计缺乏动态先验OD的问题，本发明提供了基于手机信令数据和交通调查数据的动态先验OD获取方法；针对动态OD过程中观测交通流量覆盖范围有限、约束不足的问题，本发明提供了基于浮动车数据的出行分布特征约束条件，并提供了不同样本量条件下的出行分布特征计算方法；为了将路段流量约束和出行分布特征约束共同纳入到OD估计过程中，本发明建立了双约束条件的极大熵OD估计模型并提供了求解方法，可有效解决目前动态OD估计中动态先验OD难以获取的问题，在现有数据条件下提供充分的约束条件进而实现小汽车动态OD估计。

技术领域

本发明属于交通运输技术领域，可基于手机信令数据和浮动车数据获取城市小汽车不同时段的动态出行OD矩阵。

背景技术

获取小汽车出行OD是合理制定交通管理策略、交通规划的必要条件，目前主要通过大规模人工调查实现，费时、费力且精度低，北京市于2014的开展的第5次居民出行调查，花费约3000万，耗时近一年时间，抽样率不足1％，能够调查到的信息非常有限。OD估计技术是实现小汽车OD获取的重要途经，可靠的先验OD与充分的约束条件是获得准确OD估计结果的必要条件。然而由于目前难以获取可靠的动态先验OD，且城市路网中用于作为OD估计约束条件的动态观测流量有限，使得难以通过OD估计技术实现小汽车动态OD获取。

发明内容

本发明提供一种基于信令数据和浮动车数据的小汽车动态OD估计方法，其主要内容是：

一是针对目前动态OD估计缺乏动态先验OD的问题，本发明提供了基于手机信令数据和交通调查数据的动态先验OD获取方法；二是针对动态OD过程中观测交通流量覆盖范围有限、约束不足的问题，本发明提供了基于浮动车数据的出行分布特征约束条件，并提供了不同样本量条件下的出行分布特征计算方法；三是为了将路段流量约束和出行分布特征约束共同纳入到OD估计过程中，本发明建立了双约束条件的极大熵OD估计模型并提供了求解方法。

为实现上述目的，本方法采用的技术方案为一种基于信令和浮动车数据的小汽车OD提取方法，该方法的具体实施内容如下：

1)基于信令数据的小汽车动态先验OD获取方法

目前，基于信令数据提取全交通方式出行OD的技术已较为成熟，虽然难以获得实时的信令数据，但仍可借助其大样本量、可分时段的优势提取小汽车动态先验OD，为动态OD估计提供基础条件。然而，由信令数据获取的OD矩阵通常是“全方式OD”，不能将其直接作为小汽车先验OD矩阵。

本方法通过改进信令OD实现了小汽车先验OD提取方法。设由信令数据提取得到的t时段的全方式OD矩阵为中由i小区到j小区的出行量为则在理想条件下，若能获得对应时段i小区到j小区的小汽车出行比例则在该时段由i小区到j小区的小汽车出行量为：

该时段的小汽车出行OD矩阵为：

其中C^(t)为各个交通小区间的小汽车出行比例矩阵，即

然而在实际进行出行方式的比例调查时，往往只考虑出行的起点小区，不考虑出行目的地，且很少区分时段进行调查，则由i小区出发的前往其他各小区的所有出行中，小汽车的出行比例均为c_i，此时只能对进行粗略估计：

则该时段的小汽车出行OD矩阵的估计结果为：

其中C为不区分时段的任意两小区间的小汽车出行比例矩阵。显然，由此获得的各时段小汽车OD精度有限，若可获得部分路段的历史流量数据，则可通过OD估计的方法进一步提高各时段小汽车OD的精度，最终基于信令数据、交通方式调查数据、历史流量数据获得可靠的小汽车动态先验OD。