基于多数据源的城市多方式出行o-d需求估计模型及算法

《基于多数据源的城市多方式出行o-d需求估计模型及算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：公开：密级硕士学位论文基于多数据源的城市多方式出行需求估计模型及算法作者姓名王亚楠学科专业系统分析与集成指导教师四兵锋副教授培养院系交通运输学院二零一五年六月硕士学位论文基丁多数据源的城市多方式出行需求佔计校型及算法作者：王亚楠挂师：四兵锋北京交通大学年月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并釆用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁

2、盘。保密的学位论文在解密后适用本授权说明）学位论文作者签名：王签字期：义丨年月？闩签字期：月彳円〒校代码：密级：公幵北京交通大学硕士学位论文基于多数据源的城市多方式出行需求估计模型及算法作者姓名：王亚楠学号：导师姓名：四兵锋职称：副教授学位类别：理学学位级别：硕上学科专业：系统分析与集成研究方向：交通运输系统分析与集成北京交通大学年月致谢从三年前刚刚踏入北京交通大学这所知名学府，到现在的毕业在即。近三年的研究生生活转眼即逝。期间，无论是学业或者是生活，都是我生命中最珍贵的一部分，在这里，我感受过成功的喜悦，也有过受挫时的失落和迷茫。尤其在

3、毕业论文写作中，我深深感到自己的不足，只能一次又一次在图书馆查阅资料，在深夜奋笔疾书。论文搁笔的那一刻，我满心喜悦的同时，更多的是感慨。在这个过程中，我付出了很多，也收获了很多，因为这是我在老师的教诲、同学的帮助、亲人的鼓励下完成的。在此，我谨向我的导师、同学、亲人表示最诚挚的感谢！首先，我要感谢我的导师四兵锋老师！在近三年的研究生学习生活中，他给了我很多的帮助。学业上，在四老师悉心的指导下，我尽快的掌握了研究方向的基础知识以及研究方法，使我在学术上能够不断的进步；在论文的完成过程中，四老师耐心的指点和教导，不断的指正论文的错误与不足，论

4、文的选题、构思、修改到最后的定稿方面，都是在四老师悉心指导下完成的；此外，他渊博的知识，严谨的治学工作态度，不仅在学习上给了我很大的帮助，更是为我今后走上工作岗位树立了榜样，使我不断的前行进步。在此，我向四老师表示最诚挚的敬意以及最衷心的感谢！感谢系统所的各位老师对我学习上的指导和生活上的照顾！感谢高自友教授、孙会君教授、贾斌教授、杨小宝老师、任华玲老师等老师对我学术上的指导和帮助，在此表示深深的感谢！感谢舍友万春华、薛莹，感谢系统所的所有师兄师弟、师姐师妹，感谢你们对我的鼓励和支持！感谢你们这三年来的陪伴，因为你们的友谊、关心和帮助，让

5、我可以偷快、轻松的学习和生活，谢谢你们！感谢我的父母这么多年对我的养育和教导，感谢我的家人对我学业上的理解和支持，正是这么多年的关怀和帮助使得我在学校顺利地完成学业，他们在任何时期都给我莫大的支持和鼓励，给了我无穷无尽前进的力量。再次向我的导师以及所有给予我帮助和鼓励的老师、同学以及我的家人致以诚挚的感谢和祝福！北京交通人学硕学位论摘要摘要需求是进行城市交通规划和管理的重要基础数据。目前，主要通过两种方法获取城市数据：一是调查统计方法，通常，该方法需要耗费大量的人力和物力；另一种方法是构造数学模型对需求进行反推估计，这种方法具有便捷、高效

6、、成本小等特点。随着交通管理技术的发展，大量实时交通数据可以有效的获取，如何充分利用这些交通数据，构造相应的数学模型及算法进行反推估计是交通管理中的一个重要基础问题。本论文以城市多方式交通系统为研究对象，通过对多种交通数据的统计分析，得出不同出行方式需求估计的先验信息，在此基础上，分别构造了静态和动态的多方式需求估计模型，并设计了求解算法。具体而言，本论文的研究主要从以下三方面展开：分析了现有的主要城市交通数据的结构特征以及采集方法，重点对交通调查数据、道路检测数据、公交卡数据这三类数据进行了统计分析，基于城市多方式需求的数据特征，分别得

7、到不同出行方式的实测需求、路段观测流量以及公交站点间乘客出行量等静态和动态需求估计的先验信息。釆用双层规划方法，构建了基于多数据源的城市多方式出行的静态需求估计模型，其中上层模型的优化目标为：需求的估计值、路段流量的估计值、公交站点间出行量的估计值这三类计算指标与相应的先验数据之间的误差平方和达到最小，而下层模型则是在需求已知的条件下，建立的城市多方式交通用户平衡配流问题，通过求解下层模型，可得到需求与路段流量之间的近似关系，论文还给出了求解该模型的算法。最后，通过一个简单算例，对模型的收敛性以及计算效果进行了分析和验证。在城市多方式出行

8、的静态需求估计模型表示形式的基础上，釆用双层规划方法，构建了基于多数据源的城市多方式出行动态需求估计模型，并给出了求解该模型的算法。其中上层模型的优化目标为：时变的需求估计值、路段流量的估计值