《考慮觀測數據隨機性的OD矩陣貝葉斯估計方法》是依託東南大學，由程琳擔任項目負責人的面上項目。
基本介紹
- 中文名：考慮觀測數據隨機性的OD矩陣貝葉斯估計方法
- 項目類別：面上項目
- 項目負責人：程琳
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
OD矩陣作為城市交通規劃的重要基礎數據，通常根據觀測的路段流量進行估計。隨著檢測技術的發展，結點流量、轉向流量或路徑流量等也可以獲得，許多城市積累了大量日復一日的觀測數據。如何利用這些多類型數據進行OD矩陣估計，是交通規劃所面臨的重要研究課題。.基於交通網路流理論，對OD流、路段流、結點流和轉向流等隨機變數進行關係解析，並據此進一步構建貝葉斯網路。從日復一日的觀測數據中提取觀測量的先驗信息，基於解析關係建立隨機變數之間的方差協方差矩陣，並用來量化多元變數的隨機性和相關性。基於貝葉斯統計模型，觀測數據被逐個用於更新隨機變數的後驗分布，導出後驗均值和方差協方差矩陣；採取後驗機率密度最大準則給出OD矩陣估計值，並根據機率密度曲線得到相應的置信區間。對現實交通系統進行OD矩陣貝葉斯估計；觀察數據隨機性、觀測量類型、檢測器布局等因素對OD矩陣估計的影響，分析不同時間窗的城市交通需求的空間特徵。
結題摘要
OD矩陣作為城市交通規劃的重要基礎數據，通常根據觀測的路段流量進行估計。隨著 檢測技術的發展，結點流量、轉向流量或路徑流量等也可以獲得，許多城市積累了大量日 復一日的觀測數據。如何利用這些多類型數據進行OD矩陣估計，是交通規劃所面臨的重要 研究課題。 基於交通網路流理論，對OD流、路段流、結點流和轉向流等隨機變數進行關係解析， 並據此進一步構建貝葉斯網路。從日復一日的觀測數據中提取觀測量的先驗信息，基於解 析關係建立隨機變數之間的方差協方差矩陣，並用來量化多元變數的隨機性和相關性。基 於貝葉斯統計模型，觀測數據被逐個用於更新隨機變數的後驗分布，導出後驗均值和方差 協方差矩陣；採取後驗機率密度最大準則給出OD矩陣估計值，並根據機率密度曲線得到相 應的置信區間。對現實交通系統進行OD矩陣貝葉斯估計；觀察數據隨機性、觀測量類型、 檢測器布局等因素對OD矩陣估計的影響，分析不同時間窗的城市交通需求的空間特徵。
