基于RFID數據的動態(tài)OD反推不確定性分析.pdf

1、隨著信息化建設的深入，先進的數據采集設備和數據處理手段使我們得以獲取更加豐富的交通信息。其中，OD(Origin-Destination)數據作為現代交通規(guī)劃和管理的主要基礎數據，如何獲取，優(yōu)化并得以應用一直是國內外學者研究的熱點。本文針對此問題，重點研究如何在無限射頻識別設備(RFID)計算的城市路網機動車動態(tài)OD信息、動態(tài)交通分配矩陣信息的基礎上，基于動態(tài)OD反推理論框架，利用線圈采集路段交通量信息對計算的原始OD數據進行優(yōu)化和預測

2、，并對預測的動態(tài)OD數據進行不確定性分析。研究內容和研究成果如下:
　　在文獻方面，論文將OD數據的獲取方法分為三類（傳統(tǒng)非基于路段交通量的OD矩陣獲取方法、OD反推方法以及基于數據采集設備的OD矩陣推算方法）分別進行綜述，詳細分析各種獲取方法的研究情況和特點;考慮在決策應用過程中不確定性分析的必要性，對OD反推的不確定性分析領域進行現狀介紹，指出目前該領域的研究仍非常薄弱。
　　在基于RFID的動態(tài)OD反推方面:首先對于反

3、推的基礎準備數據——歷史動態(tài)OD矩陣和動態(tài)交通分配矩陣，按照Cascetta(1993)的定義，提出一套基于RFID的數據計算方法，并對獲取的數據進行深入分析，分析發(fā)現獲取的動態(tài)OD數據與實際情況具有趨勢一致性，但數據量上有明顯不足，獲取的動態(tài)交通分配矩陣數據在不同天相同時段具有較高的穩(wěn)定性;依據動態(tài)OD反推理論，構建基于RFID的動態(tài)OD反推框架;依據離線動態(tài)OD反推理論，考慮計算數據的特性，創(chuàng)建最小二乘模型，使用遺傳算法對計算的OD

4、數據進行優(yōu)化處理，分析結果表明，提出的模型和算法可以在維持原始數據趨勢的基礎上，較好的彌補數據量上存在的不足;依據實時動態(tài)OD反推理論，建立狀態(tài)空間模型和單步預測卡爾曼濾波算法，以優(yōu)化后的動態(tài)OD數據作為先驗信息進行預測，分析預測結果表明，所采用的模型和算法具有較好的預測效果。
　　在動態(tài)OD反推的不確定性分析方面，提出一種量化動態(tài)OD預測結果不確定性的方法。方法基于時間序列分析理論，對動態(tài)OD反推系統(tǒng)的基礎輸入數據，路段交通量，