http://www.paper.edu.cn
- 1 -
基于改进遗传算法的区域 OD 矩阵反推研究
田亮,陈扶崑
河海大学交通学院,南京(210098)
E-mail:tianliang3507@163.com
摘 要:利用极大熵模型反推 OD 分布矩阵,引入遗传算法求解极大熵模型。针对简单遗传
算法存在过早收敛和收敛速度慢的缺点,本文在编码、选择、交叉和变异方面进行了改进。
改进后的遗传算法可以有效克服简单遗传算法的部分缺点,能够提高求解极大熵模型的速度
与精度,从而提高了 OD 矩阵推算的准确度。最后利用简单实例分析本文使用方法的有效
性。
关键词:OD 推算,极大熵模型,遗传算法,改进遗传算法,模型求解
0 引言
在四阶段法交通需求预测中,交通分布预测需要现状 OD 出行量,现状 OD 出行量可以
通过直接调查或间接推算获得,直接调查需要花费大量的人力、物力、财力、精力和时间,
一般较少采用;相反通过 OD 反推方法花费代价较低,若采用的方法合理,误差较小,结果
可靠。近年来,关于 OD 矩阵推算方面出现了许多方法,大体上可分为参数估计法,矩阵估
计法,以及结合以上两种方法构造的新方法。尽管 OD 矩阵推算方法很多,但各有不足之处,
本文以路段观测流量反推分布矩阵,提出了一种改进的遗传算法求解极大熵 OD 反推模型,
经算例分析,精度较高。
1 OD 矩阵反推基本原理
从理论上说,由路段观测流量推算现状 OD 分布矩阵是交通分配的逆过程。假设研究地
区分为 N 个交通小区,该道路网络由一系列路段和节点构成,如果忽略小区内部的出行,
则该地区的 OD 出行量有 N(N-1)元素,对于路段 a 来说,有关系式:
,,
,
()
a
aijij
ij
VPq=
∑
( 1)
a =1,2,3,4……,M;ij12·····,=,, ,N
式中:a—表示路段的编号;
a
V —路段 a 上的流量;
,
a
ij
—交通分区 i 与 j 间的出行选择路段 a 的比率,称为路段的选择率;
,ij
q —交通分区现状出行分布量。
其中
a
i,j
可通过各种出行分配方法获得,这些方法包括最简单的全有全无分配模型,较
为复杂的平衡分配模型等,不同的分配方法对 OD 矩阵推算有很大影响。当所有
a
i,j
和路段
观测量
a
V 已知时,通过一组联立方程组可以估计出
i,j
q ,但实际观测的路段数量一般远远小
于未知量
i,j
q 的数量。因此不能唯一确定
i,j
q ,一般可通过构造数学优化模型来获得 OD 出
行量,如设立以下目标函数:
min ( , , , )
TtVv
(2)