[发明专利]一种基于轨迹重构的城市路网OD估计方法

权利要求书

1.一种基于轨迹重构的城市路网OD估计方法，其特征在于，该方法包括如下步骤：

步骤1：基于自动车辆识别系统，利用路侧车辆检测器获取过车数据，构建车辆轨迹；

步骤2：构建基于粒子滤波器的轨迹重构算法，对步骤1中的车辆轨迹进行重构，并计算轨迹重构后的路径流；

步骤3：通过行程时间一致性模型、流量分布模型、检测器比重模型完成微观层粒子滤波器的重要性采样过程，更新状态空间概率曲线；

步骤4：采用深度优先搜索DFS算法，基于行驶时间和道路拓扑搜索候选轨迹，生成车辆的初始粒子；

步骤5：利用路段、路径流量的组合数据进行OD估计，建立通过车辆轨迹重构修正的OD估计模型；

步骤6：对步骤5中的OD估计模型进行求解，完成OD估计。

2.根据权利要求1所述的一种基于轨迹重构的城市路网OD估计方法，其特征在于，所述步骤1中的车辆数据包括城市路网拓扑结构、道路信息、车辆检测器布设信息、号牌数据，其中，道路信息包括路段长度和交叉口进口道渠化信息，车辆检测器布设信息包括高清卡口车辆检测器的布设位置信息和设备编号信息。

3.根据权利要求1所述的一种基于轨迹重构的城市路网OD估计方法，其特征在于，所述步骤1中还包括对车辆数据进行预处理：分别从逻辑方面、阈值方面对数据进行有效性检验。

4.根据权利要求1所述的一种基于轨迹重构的城市路网OD估计方法，其特征在于，所述步骤2中具体为：

对于车辆l，表示在时刻t_k的候选轨迹集合，表示在时刻t_k的状态向量，其中I是候选轨迹的总数，D是测量的总次数；粒子滤波表示为：

x_k＝f_k(x_k-1,v_k-1)

z_k＝h_k(x_k,n_k)

其中f_k(·)是时刻t_k的状态转移函数，h_k(·)是时刻t_k的测量函数，v_k-1是时刻t_k-1的过程噪声序列，n_k是时刻t_k的测量噪声序列，v_k-1是时刻t_k-1独立同分布的随机零均值噪声，n_k是时刻t_k独立同分布的随机零均值噪声；

轨迹重构后的路径流表示为：

其中表示q辆车轨迹重构后OD对g之间路径r的累积路径流；是0-1变量，表示车辆v是否经过OD对g之间路径r，若否则为0，若是则为1；表示轨迹重构后的路径集；PN表示轨迹重构后OD对集合。

5.根据权利要求1所述的一种基于轨迹重构的城市路网OD估计方法，其特征在于，所述步骤3中行程时间一致性模型如下：

其中TT(n)表示车辆检测器n和n+1之间的真实行程时间；表示车辆检测器n和n+1之间候选轨迹i的平均行程时间；T_budget表示最大可接受行程时间；表示车辆检测器n和n+1之间候选轨迹i中潜在路径的更新概率；表示给定候选轨迹i时行程时间一致性准则；是候选轨迹i通过行程时间一致性准则的更新概率；表示步骤1中所构建的车辆轨迹覆盖的车辆检测器数量；α为大于1的常数；β为小于1的常数；

流量分布模型如下：

其中表示是候选轨迹i通过流量分布准则的更新概率；F_ij表示候选轨迹i中路段j的估计流量；b表示候选轨迹i中包含的路段总数；I表示候选轨迹总数；

检测器比重模型如下：

其中表示候选轨迹i通过检测器比重准则的更新概率；表示给定候选轨迹i时车牌检测器比重准则的条件概率；表示候选轨迹i上的车牌检测器同时覆盖步骤1中所构建的车辆轨迹的数量。

6.根据权利要求1所述的一种基于轨迹重构的城市路网OD估计方法，其特征在于，所述步骤5中建立通过车辆轨迹重构修正的OD模型具体为：

上层建立广义最小二乘模型，使得路段流量、路径流量的估计值与观测值的距离最小：

下层建立路径流修正的Logit随机用户均衡分配模型，选择出行者自己认为阻抗最小的路径：

其中，G表示OD对集合，J表示路段集合，表示安装车辆检测器的路段集合，P表示从过车数据得到的不完全路径集合，R表示路径集合，R_g表示第g个OD对的路径集合，w表示路段流量，T_g表示第g个OD对间的行程次数，表示第g个OD对间的路径r的流量，表示如果路径r属于第g个OD对，则该参数值为1，否则值为0，v_p表示路径p的估计流量，表示路径p的观察流量，x_j表示路段j的估计流量，表示路段j的观察流量，L_g表示第g个OD对间的行程次数的下限，C_a表示路段通行能力，α,β,θ均为系数，ε_a表示路段a上流量计数误差，ε_e表示车辆轨迹重构误差，t_j(·)表示路段行程时间函数。