[发明专利]一种基于多源数据的机动车动态OD矩阵估计方法

说明书

本发明提出一种基于多源数据的机动车动态OD矩阵估计方法，充分利用人口、就业、经济数据、卡口数据、浮动车数据等多源数据，提出了基于拆分因子的动态OD估计方法。具体步骤为：步骤1：根据交通四阶段模型推出机动车静态OD矩阵；步骤2：利用卡口数据和浮动车数据推算机动车分时段OD矩阵；步骤3：根据卡口OD数据和静态OD总量构建时变拆分因子；步骤4：对静态OD进行切分，得到动态OD矩阵。该方法实用性高、实施性强，不仅可以获取当前阶段的动态OD矩阵，也可以使用当前获取的拆分因子切分推算出来的规划年静态OD矩阵，进而获取规划年的动态OD矩阵，为规划年中、微观仿真提供输入数据。

技术领域

本发明属于交通规划与管理的技术领域，尤其涉及一种基于多源数据的机动车动态OD矩阵估计方法。

背景技术

OD矩阵(或称OD表)是交通网络中所有起点(Origin)与终点(Destination)之间出行交通量的矩阵，它反映了城市居民的基本交通需求。OD矩阵是城市交通规划与城市交通运营的基础性数据，也是交通分配模型和一些常用的微观交通仿真系统的基础输入数据。交通小区是根据研究区域内不同子区域的人口、用地、经济、等基本特征将研究区域划分而来的多个子区域。交通小区将杂乱无章的个体出行OD转化为交通小区之间的OD信息，更加方便城市规划者直观的观测空间上的交通流动情况。

传统的OD获取方法，如路边调查、家访调查、航空拍照、跟车调查等等，需要耗费大量的人力物力进行数据采集，并有可能影响正常的交通运行而且精度不高。

随着科技水平的提高以及各种自动检测设备的投入，交通出行数据的获取变得更加容易。动态OD矩阵获取技术在过去数十年间取得了很大进展，许多方法相继被提出，这些方法包括双层规划模型方法、卡尔曼滤波估计方法、熵极大化方法等。但是基于数学模型的动态OD反推方法往往求解困难而且难以反映出行者路径选择行为变化等问题，在城市路网动态OD估计的实际应用中并不可取。

虽然近年来有学者提出了基于AVI(称为自动电子标签识别)数据或基于GPS的移动检测数据的动态OD估计方法，但是目前该方法还不成熟，因为移动源数据的可靠性、样本量、市场占有率以及空间覆盖率等问题还需进一步研究。除此之外，由于这些方法需要大量的实时路段流量信息，所以无法对规划年的动态OD矩阵进行估计和预测。

发明内容

本发明所要解决的技术问题在于针对上述存在的问题，提供一种基于多源数据的机动车动态OD矩阵估计方法，综合考虑了多源数据结合的优势以及现有静态OD估计的成熟性，引入时变拆分因子，获取动态估计信息。

本发明解决上述技术问题所采用的技术方案是：一种基于多源数据的机动车动态OD矩阵估计方法，其特征在于，包括如下步骤：

S1)根据交通四阶段模型推出机动车静态OD矩阵；

S2)利用卡口数据和浮动车数据推算机动车分时段OD矩阵；

S3)根据卡口OD数据和静态OD矩阵构建时变拆分因子；

S4)用时变拆分因子对机动车静态OD进行切分，得到机动车动态OD矩阵。

按上述方案，步骤S1)包括如下内容：首先获取研究区域内人口、就业和机动车保有量空间分布以及社会经济活动信息，然后利用交通四阶段法中的出行生成、出行分布、交通方式划分三个步骤推算出机动车静态OD矩阵。

按上述方案，步骤S2)包括如下内容：

S21)对卡口数据和浮动车数据进行清洗及预处理；

S22)将卡口数据按照车牌号分类并按照时间排序；

S23)记录车辆经过的第一个卡口，此卡口为该机动车第一段出行起点；