21709

21709

بررسي تاثير نوع داده هاي ترافيكي بر تخمين ماتريس مبدا-مقصد سفر

كارشناسي ارشد

برنامه‌ريزي حمل و نقل

1398

1398/9/25

دكتر افشين شريعت مهيمني

عمران

براي به‌كارگيري مديريت پيشرفته ترافيك در يك شهر نياز است تا از الگوي جابجايي افراد در سطح شهر اطلاعات كافي در دسترس باشد. بخشي از اين الگوي جابجايي افراد را مي‌توان در قالب ماتريس مبدا-مقصد تقاضاي سفر تعريف نمود، كه از اين ماتريس مي‌توان در برنامه‌ريزي حمل‌ونقل و مديريت ترافيك استفاده كرد. برآورد و تخمين اين ماتريس موجود در شبكه از جمله مسائل مهم در مديريت ترافيك است كه براي انجام آن به يك ماتريس اوليه و نيز داده‌هاي ترافيكي برداشت‌شده از سطح شبكه معابر نياز مي‌باشد. داده‌هاي ترافيكي برداشت‌شده بسته به تجهيزات موجود و نصب‌شده در سطح شبكه مي‌توانند داده‌هايي نظير تردد، چگالي و يا سرعت باشند. مسئله تخمين ماتريس سفر مسئله چندبعدي است كه متاثر از عوامل بسيار زيادي مي‌باشد و همواره به انجام رساندن اين مسئله به نحوي مطلوب و كارا چالش‌هاي بسياري را همراه خود داشته است. ازاين‌رو در اين پژوهش تلاش شده است تا با انجام آزمايش‌هاي گوناگون بر روي يك شبكه شطرنجي به ابعاد 5 ×5 كيلومتر، تاثير داده‌هاي مختلف بر نتايج تخمين ماتريس سفر، با استفاده از الگوريتم تقريب احتمالي اختلال هم‌زمان، Simultaneous perturbation stochastic approximation (SPSA)، بررسي گردد. داده‌هاي ترافيكي كه در اين پژوهش در نظر گرفته شده است عبارت‌اند از داده‌هاي تردد، زمان سفر مسيرهاي منتخب شبكه و چگالي كه تاثير آن‌ها در كنار ماتريس اوليه مورد بررسي قرار گرفته است. بررسي‌هاي انجام‌گرفته نشان مي‌دهد كه داده‌هاي حجم جريان عبوري، داده‌هايي هستند كه بيشترين تاثير گذاري را در فرايند تخمين ماتريس و بيشترين سهم را در كاهش خطاي ماتريس تخمين‌زده‌شده دارند. همچنين، با برداشت داده‌هاي حجم در نقاط محدودي از شبكه مي‌توان نتايج مناسبي را از فرايند تخمين ماتريس به دست آورد. نتايج اين بررسي‌ها به كارشناسان كمك مي‌كند تا در مسائل واقعي تخمين ماتريس مبدا-مقصد، شناخت عميق‌تري از مسئله پيدا كنند و نيز در نحوه‌ي برداشت داده‌هاي ترافيكي موردنياز، با آگاهي بيشتري اقدام كنند.

1398/11/20

Investigating effects of traffic data type on the OD trip matrices estimation

12/16/2019 12:00:00 AM

To implement advanced traffic management, some information such as people’s movement patterns is needed. OD demand matrix approximately defines the movement pattern which is used in transportation planning and traffic management. Estimation of the OD demand matrix is one of the most crucial issues in traffic management needing a prior matrix and collected traffic data to be conducted. The collected traffic data, depending on the available data collection tools, can be traffic volume, density, or travel time. OD matrix estimation problem is a multi-dimensional problem being affected by various factors. With this in mind, in this thesis, it has been tried to shed light on the effects of traffic data types on OD matrix estimation. To carry out the OD estimation, a grid network is designed, and the OD matrix is estimated by using Simultaneous perturbation stochastic approximation (SPSA). Traffic volume, travel time, and density are the traffic data types that are considered in this thesis. It is concluded that traffic volume has the most effect on the OD estimation, and also the most contribution to decreasing the estimated OD’s error. Besides, it is demonstrated that even with a few traffic volumes, it is possible to get the desired estimated OD matrix. These results help traffic engineers to have a deep understand of the OD matrix estimation procedure, and collect the traffic data more wisely.