[发明专利]一种可验证的基于极大似然法的旅游交通OD预测方法

说明书

本发明提供了一种可验证的基于极大似然法的旅游交通OD预测方法，包括以下步骤：求解目标函数L的最大值的公式：Max其中，G_r、G_s是起点r和终点s的GDP,c_rs是起点r到终点s的交通花费,f_i是路段i上观测的路段交通量；获取G_r、G_s和c_rs、f_i，并计算f_i的分布自由度n；迭代计算出满足目标函数L对α,β,γ的一阶偏导数均等于0时的α,β,γ值；对α,β,γ值进行显著度检验，若α,β,γ的效果明显，则将α,β,γ带入交通分布的重力模型计算q_rs。本发明既避免了大规模重复的OD调查，节省项目资金，又保证了OD资料获得的连续性与准确性。

技术领域

本发明属于智能交通技术领域，特别涉及一种可验证的基于极大似然法的旅游交通OD预测方法。

背景技术

旅游交通是一种特殊的交通，游客基本上往返于住宿酒店及景区。对旅游城市而言，旅游交通是非常重要的一种交通出行种类，只有做好了旅游交通的客流出行分析，才能提高游客出行品质，提高城市旅游竞争力。

我们将城市按照住宿、景区等不同功能划分为不同的交通小区，旅游交通OD(起迄点)出行分布矩阵就是对应的交通起讫小区之间的游客出行数。实际上，真正出行的OD矩阵是不可能获得的，因为在一定时间内的两个交通小区之间真正的交通总出行量，谁也无法精确知道。人们所做的各种努力，都是试图得到尽可能真实的结果。

如何得到估计出OD出行表，一般采用以下两种方法：一是通过现状交通调查，采用抽样方法，再根据调查的子体来推断母体,即现状OD；二是通过对历史OD数据分析，根据其影响因素的发展变化，推断现状OD或者用此来预测未来OD。

基于现状调查的OD模型，主要考虑的是如何根据车辆的路径选择信息，合理扩样现状小样本调查所得到的OD数据，从而推算出较准确的OD矩阵。受客观条件的限制(人力、物力、财力等)，当路网路段交通量比较大时，OD调查常常采用抽样方法，依据数理统计的原理，在误差允许的前提下，通过调查的子样来推断母体，获得所需的OD数据。此外，如何通过科学合理地布设调查点，尽可能通过最少的调查工作量，得到最优的调查结果，也是OD模拟工作成功的先决条件，一般采取逐步布点法进行操作。我们总是期望通过扩样推算出的OD模型精确地反映各个小区之间的交通出行，但是实际上由于各种复杂因素的影响，比如扩样建模假设是否合理，小样本模型中输入数据是否正确，导致结果总存在一定的误差，而且有时候误差之大足以影响推算结果的正确性与有效性。

基于历史数据的OD模型是在较为详实的历史OD数据的基础上，根据影响OD的主要因素的发展变化，推断出现状OD图，进而可以用来预测未来OD。由于影响OD的因素众多，而各影响因素之间关系紧密，发展变化也很难准确把握。尤其是随着社会经济的发展，人们的出行行为心理的改变，以及交通方式的发展变化等，更使得旅游交通的OD的发展变化莫测。因此，这里未来的概念不是历史规划期的概念，而是相对较短期的，一般1～5年比较合适。这种通过历史数据获得OD的方法，实际上就是常规的交通预测四阶段模型的前两阶段，即通过一系列的历史数据，得到交通生成，进而再得到交通分布，即OD矩阵。

获得了主要影响因素在模拟年份(现状或者未来年份)的指标值之后，就可以对历史年份的OD数据进行回归分析，从而拟合出OD产生的规律，并随后推算模拟年份的OD数据。

通过比较我们可以发现，使用家庭问卷调查或路边问卷调查等基于现状调查的方法来获得出行矩阵，一方面代价很高，费时费力；另一方面，在经济快速发展的地区，调查扩样所得的出行矩阵很快就落后于现实的交通分布。所以当预算有限时或者在社会高速发展期，此种方法是不可取的。而通过历史数据获取出行矩阵，需要大量的历史数据信息，而在中国大多数城市，由于之前没有对旅游交通的发展有过足够重视，因此没有旅游交通单独的出行矩阵，所以这也是不可行的。因此，采用上面两种方法进行旅游交通OD预测，均存在较大的问题。

发明内容