拥挤路网OD矩阵估计：路段转向流量的应用

"本文主要探讨了在拥堵路网环境下如何改进OD矩阵估计的精确性，提出了基于路段转向流量的新方法。传统的OD矩阵估计通常依赖于路段流量数据，但这种方法因数据量不足导致精度受限。针对这一问题，文章提出了一种双层规划模型，其中上层模型采用最大熵模型，下层采用用户均衡模型。最大熵模型因其不依赖于预设的OD矩阵，具有更大的适用性，而用户均衡模型则更好地反映了实际中交通出行者路径选择受OD矩阵影响的情况。实验证明，结合路段转向流量可以显著提升OD估计的准确性。此外，文章还讨论了其他如手机信息、GPS数据等新型数据源在OD估计中的潜力，但由于获取难度大，传统方法依然有其重要地位。" 在交通工程领域，OD矩阵是理解城市交通流量的关键工具，它记录了交通网络中所有起始点（Origin）到目的地（Destination）的出行数量。然而，直接获取OD矩阵数据通常需要大量时间和资金投入，因此研究者寻求利用路段流量等更容易获得的数据进行估计。传统的OD估计方法存在一个主要局限，即路段流量数据的数量远远少于可能的OD对，这使得估计的可行解集过大，从而降低了精度。 为了应对这一挑战，文章提出了一种新的估计策略，即基于路段转向流量的OD估计方法。路段转向流量提供了更丰富的信息，包括车辆在路网中的移动方向，这对于缩小OD矩阵的可行解集范围非常有用。通过构建双层规划模型，该方法能够在估计过程中同时考虑交通分配和OD矩阵的相互作用。上层的最大熵模型确保了模型的灵活性，能够适应多种估计场景，而下层的用户均衡模型则反映了实际路网中的交通行为，即交通流量会根据OD矩阵的变化进行自我调整以达到最优状态。 实验证据证实了这种方法的有效性，基于路段转向流量的OD估计精度得到显著提升。尽管现代技术如手机和GPS数据提供了更精确的交通信息，但这些数据的获取和处理相对复杂，限制了它们在大规模应用中的可行性。因此，基于路段转向流量的估计方法仍具有重要的实践价值，尤其对于处理拥挤路网的交通问题。 这篇论文为解决交通网络中的OD矩阵估计问题提供了一个创新的视角，强调了路段转向流量在提高估计精度方面的重要性，并为未来的研究提供了新的思路和方法。