项目名称: 面向实时交通管理和信息服务的在线动态O-D反推模型与算法

项目编号: No.51208024

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 建筑环境与结构工程学科

项目作者: 焦朋朋

作者单位: 北京建筑大学

项目金额: 25万元

中文摘要: 动态O-D矩阵是智能交通系统的重要输入数据,利用交通检测系统获得的实时路段流量及相关信息进行反推,是获取动态O-D矩阵的有效途径。现有研究由于算法的复杂性和计算效率等问题,无法适用于大型网络,在实时交通管理和信息服务系统中也无法实用。本研究从动态O-D反推理论的基础问题入手,研究其解决方法,为理论的发展理清思路。以在线应用为目的,分路口、高速路段和全路网三个层次,在不考虑走行时间和路径选择的条件下,利用参数优化和卡尔曼滤波方法研究路口模型和算法;引入动态路段走行时间,研究适用于高速路段的模型和算法;进一步引入动态路径选择概率的在线计算方法,研究适用于全路网的模型和算法。结合信号控制、交通分流和交通诱导系统,研究实时交通管理和信息服务措施对于O-D分布模式的影响,并以反推得到的O-D矩阵作为输入数据,建立与实时交通管理和信息服务的组合模型,最终实现动态O-D反推理论的在线应用。

中文关键词: 动态O-D矩阵;反推;组合模型;交通管理;信息服务

英文摘要: Dynamic origin-destination flows are most important input data of intelligent transportation systems, and the most effective way to obtain them is the estimation based on real-time link traffic counts and other relevant information, which are provided by traffic surveillance systems. Because the algorithms are very complex and inefficient, the existing researches are not applicable to the large-scale network, as well as to the real-time traffic management and traveler information systems. This research will first analyze all key issues in dynamic O-D flows estimation, summarize the corresponding solution methods, and make a solid foundation for the further development. For the purpose of on-line application, we will classify the researches into three levels: intersection, freeway segment and general road network. Since the intersection is small enough to neglect the travel time and route choice, we will put forward the intersection models using parameter optimization and kalman filtering respectively, without considering the dynamic travel time and route choice. Then we will introduce an on-line recursive estimation method of dynamic travel time, and extend the intersection models and algorithms to the freeway segments. Furthermore, we will extend the models and algorithms to the general road network by introduc

英文关键词: Dynamic Origin-Destination Flow;Estimation;Combined Model;Traffic Management;Information Service

成为VIP会员查看完整内容
0

相关内容

军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
面向知识图谱的知识推理综述
专知会员服务
149+阅读 · 2021年11月1日
专知会员服务
13+阅读 · 2021年9月15日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
18+阅读 · 2021年5月16日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
65+阅读 · 2020年9月24日
实战案例解析:如何从0到1搭建业务数据分析模型?
人人都是产品经理
0+阅读 · 2022年3月7日
面向B端算法实时业务支撑的工程实践
阿里技术
0+阅读 · 2022年2月10日
互联网信息服务算法推荐管理规定
机器学习与推荐算法
1+阅读 · 2022年1月5日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
19+阅读 · 2020年7月13日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
面向知识图谱的知识推理综述
专知会员服务
149+阅读 · 2021年11月1日
专知会员服务
13+阅读 · 2021年9月15日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
18+阅读 · 2021年5月16日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
65+阅读 · 2020年9月24日
相关资讯
实战案例解析:如何从0到1搭建业务数据分析模型?
人人都是产品经理
0+阅读 · 2022年3月7日
面向B端算法实时业务支撑的工程实践
阿里技术
0+阅读 · 2022年2月10日
互联网信息服务算法推荐管理规定
机器学习与推荐算法
1+阅读 · 2022年1月5日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员