本发明涉及数据重构领域，特别是涉及一种公路od数据重构方法。
背景技术：
公路od数据的重构技术是指：在对区域路网结构及发展态势的深入分析与准确把握的基础之上，综合利用历史数据及交通检测点获取的实时交通量数据，对历史od数据进行必要的更新与维护，构建新的基年od数据。
交通需求预测是交通规划中的核心内容之一，在进行交通需求预测时，通常以基础年居民出行调查数据作为预测的基础数据。获取这些基础数据需要耗费大量人力物力，对调查人员培训、组织也有着较高的要求，需要多个部门的配合与协助。并且调查的精确程度取决于调查方法及抽样率。一旦交通规划方案编制完成后，基础数据就束之高阁，当需要进行新的交通规划时，由于道路网的更新、交通运行态势的改变等客观因素，又需要重新进行调查，造成极大的资源浪费和繁琐的重复工作。
现代交通建设与管理是一个动态的过程，道路工程项目建设管理周期较长，其周边的用地环境、出行需求等随着项目的推进可能会发生改变，将导致路网交通分布情况随时间推移不断变化，即od数据是随时间波动变化的，并非固定不变的，时效性特征显著。而传统的od预测，仅仅根据一次交通调查来推断未来几年内交通分布，数据可靠性较低，往往随机误差较大，导致预测精度较差，并不能较准确地反映出当前的交通状况。公路建设与管理等职能机构在进行项目决策时，希望以实时动态的交通基础数据作为依据。
道路工程项目施工期间与竣工投入使用都对区域道路网络造成或多或少的影响，现代化交通发展要求规划及建设人员对各建设项目的影响范围、严重程度进行分析，尽可能地降低新建、改扩建项目对交通安全、通畅、高效运行的影响。无论是建设前的项目安排、还是建设期间的交通组织，都依赖于当时的机动车od数据。
交通信息化的发展带来od估计技术的革新，利用车辆检测器、车牌识别、射频技术等新兴技术手段，能够较好地保证道路交通量数据的高精度和实时性，目前已广泛应用于在交通管理、路段拥堵分析等领域。动态od估计的精度很大程度上取决于所采用的先验od矩阵交通分布态势的准确性，因而对提供先验矩阵的基年od数据的精度及获取方法提出了更高的要求。
可见，传统调查方法获取数据需要投入大量人力物力资源，如何充分利用已有的历史od基础数据，使其能够为当前及未来年规划、建设及管理所利用，避免多次重复繁琐的调查工作以及数据过时造成的可靠性低等问题，是当前道路交通建设与管理的一大技术难题。
od重构方法与传统的od估计方法具有许多相似之处，两者都是以先验od矩阵及路段交通量为输入信息，输出符合精度要求的新od矩阵，区别在于od重构是建立在od预测的基础上。因此，在od重构时需要在充分把握od估计研究现状的基础上，分析od预测技术应用于od重构的适用性，提高od重构的精度。
技术实现要素：
针对现有研究中od更新技术中存在的问题，本发明提供一种公路od数据重构方法，在分析现有od估计方法利弊的基础上，研究od更新所需的基础数据，利用交通检测点的路段交通量，建立od重构模型，提高输出od的精度水平，为达此目的，本发明提供一种公路od数据重构方法，具体步骤如下：
1)od重构的基础数据需求分析；
先验od矩阵、通过交通分配获得路段流量分配矩阵以及交通检测点获取的路段交通量数据是进行od重构的基础数据；
2)od重构模型及算法；
以核查区的校核方法以及极大熵原理为模型构建的理论依据，以预测的先验矩阵、更新的分配模型以及交通检测点的路段交通量为基础数据，构建基年od过程模型并提出相应的求解算法。
本发明的进一步改进，步骤一，所述od重构的基础数据需求分析包括：
先验od矩阵的构建，以“四阶段”法为基础，将区域的历史od资料、交通小区的社会经济资料作为原始数据，运用增长率法对各小区的发生量、吸引量做出预测，并采用双约束重力模型对预测pa进行交通分布；
od分配矩阵，将预测的交通分布量根据已知道路网的结构按照某种模型分配到路网的各个路段，分配模型包括非平衡交通分配模型、平衡交通分配模型；
路段交通量数据的获取，重构模型中利用路段交通量数据作为目标函数的重要参数，除了要求调查路段遵循od出行覆盖原则、最大流量原则、路段独立原则以及最大截流原则，还应考虑核查断面路段上交通检测点的布设。
本发明的进一步改进，步骤二所述od重构模型及算法包括：
od重构模型，按照区域所布设的核查线可围合成若干封闭区域的特点，依据极大熵原理，量化分析核查区进出交通量与od矩阵分布量、核查区od量与路段交通量之间的关系，以此为约束，按照核查线路段和核查区的观测值与估算值之间差异最小化为目标，建立相应的模型并求解；
算法设计，使用迭代法计算所构建模型的最优解：
引入辅助变量k，yak，δ，k为迭代次数控制变量，δ为精度控制变量，，yak引进的辅助变量，加入约束条件中得到新的约束条件求解；
step1：将xa＝va/v'a,代入条件第一个约束条件，得到的非线性方程组，这是有a个未知数va的a个方程所构成的非线性方程组,求解此方程得到，得到一组va值；
step2：将得到的va值代入其余约束条件，可以求得tij，vn，进而可以求出目标函数值；
step3：变量初始化，k＝1，vak＝va'；
令k＝k+1，
计算得式中第一步是用来求辅助变量yak，这是个新构成的约束条件；
step3：精度检验，若迭代次数k小于最大循环次数k,则进行下一项判断,若
则转向step4，否则转向step2；
step4：精度达到控制指标预设的要求或迭代完成一定次数后循环将会结束，并输出tkij及精度控制指标δ。
本发明一种公路od数据重构方法，本发明与现有技术相比，其显著优点是：1、开发公路基础od库的更新技术，综合过去、现在的交通数据，对od数据进行滚动预测计算，能够充分利用已经构建的基础od数据，避免调查工作的反复性的同时，克服仅仅根据一次调查来预测未来几年的od分布而引起的随机误差影响，且结合多源数据的发展趋势，利用交叉口流量避免长期使用中的误差累积现象，从而提升长期滚动中的基年od精度水平，准确把握不同时期交通供给和需求特征，为交通规划、建设及管理提供较为准确的数据支撑；2、od重构技术采用交通检测点获取的交通量数据代替以往的人工调查，运用信息化自动数据采集技术，将实现劳动力的解放和工作效率的提高；3、根据核查区校核od的原理，提出服务于od重构的交通检测点布设原则以及对区域检测点布设位置及数量的需求。在不过多增加成本的基础上提高检测设备的使用效率。
附图说明
图1是本发明的技术流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种公路od数据重构方法，在分析现有od估计方法利弊的基础上，研究od更新所需的基础数据，利用交通检测点的路段交通量，建立od重构模型，提高输出od的精度水平。
如图1，本发明涉及的公路od数据重构技术，该系统包括
(1)基年预测od的获取
基年预测od的获取以“四阶段”法为基础，需要区域的历史od资料、交通小区的社会经济资料作为原始数据。运用增长率法对各小区的发生量、吸引量做出预测，并采用双约束重力模型对预测pa进行交通分布。
双约束重力模型能够保证产生量和吸引量守恒，更符合实际情况，基本表达式如下：
qij＝ki×pi×kj×aj×f(rij)
f(rij)＝exp(-γ×rij)
双约束重力模型中需要标定的参数包括阻抗函数的系数γ、pa的约束系数ki、kj。
标定系数的步骤如下：
步骤1)：对参数γ赋初值，取值可利用前一基年所使用模型的参数值。
步骤2)：用迭代法求约束系数ki、kj的值。根据ki、kj的表达式，首先令每列约束系数kj＝1，根据式(2)求解每列约束ki，再用这些值来计算kj，运用迭代法不断重复，在每一步结束时比较前后两批约束系数的相对误差是否达到精度要求(通常可取小于3％)，达到要求后终止迭代过程。
步骤3)：将求得的约束系数ki、kj代入式(1)，用基年的pi、aj值求基年的理论分布表[qijj]。
步骤4)：计算基年pa分布表的平均交通阻抗；再计算理论分布表的平均交通阻抗。求两者之间相对误差δ。当∣δ∣<3％，接受关于γ值的假设，否则执行下一步。
步骤5)：当δ<0，即r<r，说明理论分布量小于实际分布量，因参数γ太大的缘故，由此应该减少γ值，令γ＝γ/2；反之增加γ值，令γ＝2γ。返回第2)步。
(2)路段交通量数据的获取
重构模型中利用路段交通量数据作为目标函数的重要参数，一般od反推中，要求调查路段遵循od出行覆盖原则、最大流量原则、路段独立原则以及最大截流原则。除了以上原则，还应考虑核查断面路段上交通检测点的布设。
od调查的校核中，通常选取实测区域内天然或人工障碍为核查线，核查线所包围的区域即为核查区，核查区的划分对od校核的效果影响较大，可依据区域实际地理特征及道路网结构进行划分。
不同类型和不同位置检测器的数据精度有较大差别，由于道路交通运作状态受的复杂性，检测数据可能会存在空缺或异常的情况。应首先对异常数据进行处理，常用的处理方法包括时间序列法、车道比值法、历史均值法、加权估值法、线性插值法等。
(3)od分配矩阵
od分配矩阵是预测的交通分布量根据已知道路网的结构按照某种模型分配到路网的各个路段。目前的交通分配模型主要分为非平衡交通分配模型、平衡交通分配模型。非平衡分配模型根据是否考虑拥挤效应，可分为固定路阻和变化路阻两类分配模型；根据是否在交通分配过程中考虑出行者路径选择的随机性，可以分为单路径分配和多路径分配两类，以及综合考虑两种因素的非平衡分配法。
(4)od重构模型
按照区域所布设的核查线可围合成若干封闭区域的特点，依据极大熵原理，量化分析核查区进出交通量与od矩阵分布量、核查区od量与路段交通量之间的关系，以此为约束，按照核查线路段和核查区的观测值与估算值之间差异最小化为目标，建立相应的模型并求解。
可以建立规划模型为：
式中：va'、vn'分别为核查线观测路段和核查区观测进出交通量；a为核查线交通量观测路段总数；n为核查区总数；va为路段a的交通流量；vn为进出核查区n的交通流量；tij为交通小区i到j的调查od分布量；pija为交通小区i到j的od分布量在路段a上的分配比例；xa为路段交通流量相关的参数；α为出行总量平衡参数；t为出行总量；tij为基年预测od中交通小区i到j的od分布量。
(5)算法设计
引入辅助变量k，yak，δ(k为迭代次数控制变量，δ为精度控制变量，，yak引进的辅助变量，加入约束条件中得到新的约束条件求解)
step1:将xa＝va/v'a,代入条件第一个约束条件，得到的非线性方程组，这是有a个未知数va的a个方程所构成的非线性方程组,求解此方程得到，得到一组va值。
step2:将得到的va值代入其余约束条件，可以求得tij，vn，进而可以求出目标函数值。
step3：变量初始化，k＝1，vak＝va'。
令k＝k+1，
计算得式中第一步是用来求辅助变量yak，这是个新构成的约束条件；
step3:精度检验。若迭代次数k小于最大循环次数k,则进行下一项判断,若
则转向step4,否则转向step2。
step4:精度达到控制指标预设的要求或迭代完成一定次数后循环将会结束，并输出tkij及精度控制指标δ。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。