1.一种利用手机信令大数据和动态交通分配的居民出行OD标定方法,其特征在于,包括步骤如下:
(1)基于中观交通仿真工具DTALite构建城市道路网络模型,包括城市快速路、主干路、次干路、支路。
(2)针对步骤(1)中构建的城市道路网,通过车牌识别数据及微波数据对步骤(1)构建的城市道路网的各路段的仿真参数进行标定。采用分段线性拟合的方法,对道路的通行能力、自由流速度、阻塞密度、拥挤消散波速四个仿真参数进行标定,并采用非线性拟合的方法对美国联邦公路局开发的路阻函数模型(BPR)中的两个参数α和β进行标定。
BPR函数模型的数学表达式如下:
式中:t为车辆通行路段的旅行时间;t0为路段自由流出行时间;q为路段的车流量;c为路段设计通行能力;α,β为待标定参数。
(3)利用微波检测器获取实际道路网络中的时变车流量、速度、密度,数据更新周期通常为5分钟。
(4)获取手机信令数据,得到居民在各个交通分析小区间的流动量数据,从而掌握居民出行分布规律,形成初始的出行OD矩阵。具体为:将基于某一移动运营商手机信令数据的出行OD矩阵转化为全人口出行OD矩阵,进一步转化为机动车的OD,转化方法如下:
式中,ODpeople:常住人口OD分布;
ODmobile:利用某一运营商手机用户数据计算的OD分布;
α1(average ownership):手机用户的人均拥有量(部/人);
α2(penetration rate of mobile phone):手机用户比例;
α3(market share):该运营商的市场占有率;
α4(detection probability):用户手机被检测到概率。
人均手机数α1=手机数/客户数;手机用户比例α2=min{客户数/常住人口,1};市场占有率α3由运营商提供;用户手机被检测到概率α4=一个月内被检测到的用户数/该地区内注册用户总数。
ODvehicle=ODpeople×ρ
式中,ODvehicle:机动车OD分布;
ρ(split rate):机动车的分担率。
(5)在步骤(2)标定后的仿真路网的基础上,根据步骤(3)中通过微波数据获取的实际道路交通流数据,对步骤(4)中利用手机信令数据获得的出行OD矩阵进行动态交通分配,得到估计交通流量和真实交通流量间的误差。
(6)判断估计交通流量和真实交通流量间之间的误差是否满足预设阈值(一般为10%),如满足,则标定结束,否则转入步骤(5)进行重新分配,直到估计交通流量和真实交通流量间之间的误差满足阈值条件。