23160

مدل برآورد ماتريس‌هاي مبدأ و مقصد در مدل تخصيص ديناميكي در شرايط اشباع

كارشناسي ارشد

حمل و نقل

1399

1399/10/24

دكتر افنديزاده

عمران

تحليل و طراحي سيستم هاي حمل‌ونقل نيازمند به تخمين تقاضاي سفر فعلي و پيش‌بيني تقاضاي سفر آينده است. اين تخمين‌ها و پيش‌بيني‌ها مي‌توانند به كمك انواع مختلفي از منابع اطلاعاتي و روندهاي آماري به دست آيند. اطلاعات مربوط به تقاضاي سفر منطقه موردنظر در ماتريسي به نام ماتريس مبدأ و مقصد ذخيره مي‌شود. روند كار برآورد ماتريس‌هاي مبدأ و مقصد در مدل‌هاي تخصيص ديناميكي در شرايط اشباع به اين صورت است كه از يك فرآيند تكرارشونده دوسطحي استفاده مي‌گردد. در ابتدا يك ماتريس مبدأ و مقصد اوليه وجود دارد كه به كمك نرم‌افزار ترنسيمز به شبكه تخصيص ديناميكي داده مي‌شود و احجام ديناميكي حاصل شده با احجام مشاهده‌شده در واقعيت مقايسه مي‌شوند و اختلافشان به كمك روش‌هاي مختلفي كه وجود دارد، در مراحل بعدي اصلاح مي‌گردد. درواقع در حال انجام يك فرآيند تكرارشونده دوسطحي بين تخصيص ديناميكي و تخمين ماتريس‌هاي مبدأ و مقصد مي‌باشد. اكثر مطالعاتي كه تاكنون در بحث تخمين ماتريس مبدأ و مقصد بهينه صورت گرفته، بر روي ارائه روش‌هاي جديدي براي حل مسئله تخمين ماتريس مبدأ و مقصد تمركز داشته‌ است و با توجه به پيچيدگي‌هاي موجود در بحث پياده سازي تخمين ماتريس مبدأ و مقصد در محيط واقعي، كمتر به آن پرداخته شده است. نقطه‌ضعف اين مطالعات به اين صورت است كه خيلي از آن‌ها به‌خوبي در محيط‌هاي نرم‌افزاري پياده‌سازي نشده‌اند و درنتيجه قابل‌اجرا نمي‌باشند و اهميت اين پژوهش از اين منظر است كه معمولاً براي كاليبراسيون مدل‌ها به كار گرفته مي‌شود و پياده‌سازي درست و كاربردي آن اهميت دارد. در اين پژوهش، مدل‌سازي اين فرآيند دوسطحي در قالب مطالعه موردي شهر واتربري (باتوجه به در دسترس بودن داده‌ها و شبكه عبور ‌و ‌‌مرور داراي ازدحام)، تخصيص ديناميكي به كمك نرم‌افزار ترنسيمز كه قدرتمند در بحث‌هاي مختلف حمل‌ونقلي و همچنين داراي قابليت اعمال تغييرات در برنامه (متن‌باز) ) مي‌باشد، تخمين ماتريس مبدأ و مقصد در شرايط اشباع به كمك الگوريتم فيلتر كالمن و رويكرد حداقل مربعات خطا (پركاربرد و قدرتمند در شبكه هاي بزرگ مقياس و اشباع)، انجام شده است و همچنين كدنويسي تمامي فرآيند تخمين ماتريس مبدأ و مقصد به زبان سي‌پلاس‌پلاس، نوآوري اين پژوهش مي باشد. در پايان مراحل تكرارشونده، ميزان خطاي حجم كمان‌ها براي تأييد فرآيند تخمين ماتريس مبدأ و مقصد، با استفاده از روش حداقل مربعات خطا، محاسبه مي گردد. شرط پايان كار و رسيدن به ماتريس مبدأ و مقصد بهينه تخمين زده‌شده، اين است كه مقادير خطاي حجم كمان ها از مقدار فرض شده 5 كمتر شود و ماتريس مبدأ و مقصد بهينه اي حاصل گردد كه در آن مقادير حجم كمان هاي حاصل شده از آن، با مقادير حجم مشاهدات كمان ها مطابقت داشته باشند. با توجه به فرمول محاسبه خطاي حجم كمان ها و داده هاي موجود، مقدار خطا برابر با 5 در نظر گرفته مي شود كه معادل اختلاف حدودا 3000 واحدي حجم ها (0.01 از حجم كل مشاهده شده در 100 كمان مورد مطالعه (384000))، است. همچنين مقدار ماكزيمم خطاي حجم كمان ها، با توجه به داده هاي موجود در اين پژوهش، به لحاظ تئوري 562.8 مي باشد كه نتايج به دست آمده از آن كمتر بوده و نشاني بر تأييد خروجي هاي حاصل شده از مسئله تخمين ماتريس مبدأ و مقصد مي باشد. در بحث تخمين ماتريس مبدأ و مقصد، توجه به خطاي موجود در داده‌هاي اوليه پژوهش اهميت ويژه‌اي دارد زيرا اين خطاها مي‌تواند در زمان آماربرداري و شمارش احجام ترافيكي يا توسط ابزار و برنامه‌هاي تجزيه‌وتحليل داده‌ها روي داده باشد. درهرصورت اين خطاها بر روي نتايج حاصل از تخمين ماتريس مبدأ و مقصد اثرگذار هستند و با در نظر گرفتن اين خطاها، نتايج به‌دست‌آمده نشان مي‌دهد كه خطاي حجم كمان‌ها در هر بار تكرار مسئله تخمين ماتريس مبدأ و مقصد، در حال كاهش است و مي‌توان به آن‌ها‌ خطي با شيب نزولي برازش كرد. درنهايت با توجه به مقدار فرض شده 5 به‌عنوان معيار تأييد فرآيند تخمين ماتريس مبدأ و مقصد، خطاي حجم كمان‌ها پس از 23 بار تكرار(100 كمان مورد بررسي)، به آستانه موردنظر رسيده است.

1399/11/14

Estimation model of origin and destination matrices in the dynamic assignment model under congestion conditions

1/14/2022 12:00:00 AM

Analysis and design of transportation systems requires estimating current travel demand and predicting future travel demand. These estimates and forecasts can be obtained with the help of various types of information origins and statistical processes. Travel request information for the area is stored in a matrix called the origin and destination matrix. The process of estimating origin and destination matrices in dynamic assignment models under saturated conditions is that a bi-level iterative process is used. First, there is an initial origin and destination matrix that is given to the dynamic assignment network using the transims software, and the resulting dynamic volumes are compared with the observed volumes in reality, and their differences are corrected in the following steps by various methods. It is, in fact, an iterative bi-level process between dynamic assignment and estimation of origin and destination matrices. Most of the studies that have been done so far in discussing the optimal origin and destination matrix estimation have focused on providing new methods to solve the origin and destination matrix estimation problem and due to the complexities of discussing the implementation of origin and destination matrix estimation in real environment, It has received less attention. The disadvantage of these studies is that many of them are not well implemented in software environments and therefore not feasible, and the importance of this research is from the perspective that it is usually used to calibrate models and its implementation is important. In this research, modeling of this bi-level process in the form of a case study of Waterbury City (due to the availability of data and congested traffic network), dynamic assignment using transims software that is powerful in various transportation discussions and also has the ability to make changes to the program. The origin and destination matrix estimation under saturation conditions has been performed using the Kalman filter algorithm and the least squares error approach (widely used and powerful in large-scale and saturation networks), as well as coding the entire origin and destination matrix estimation process. In the language of C++, is the innovation of this research. At the end of the iterative steps, the amount of link volume error is calculated to confirm the process of estimating the origin and destination matrices using the least squares error method. The condition for finishing the work and reaching the estimated origin and destination matrix is that the error values of the arc volume are less than the assumed value 5 and the optimal origin and destination matrix is obtained in which the arc volume values obtained from it, Match the values of the link observations. According to the formula for calculating the error of the volume of links and available data, the amount of error is considered equal to 5, which is equivalent to a difference of about 3000 units of volumes (0.01 of the total volume observed in the 100 links studied (384000)). Also, the maximum value of the link volume error, according to the data in this study, is theoretically 562.8, which is less than the results obtained, and indicates the confirmation of the outputs obtained from the origin and destination matrix estimation problem. . In discussing the origin and destination matrix estimation, it is especially important to pay attention to the errors in the primary research data because these errors can occur during the census and counting of traffic volumes or by data analysis tools and programs. However, these errors affect the results of estimating the origin and destination matrices, and considering these errors, the results show that the link volume error decreases each time the origin and destination matrix estimation problem is repeated and can be added to them. Fit a line with a downward slope. Finally, according to the assumed value of 5 as a criterion for confirming the process of estimating the origin and destination matrix, the link volume error after 23 repetitions (100 links studied), has reached the desired threshold.

تخصيص ديناميك , تخمين ماتريس مبدأ و مقصد , رويكرد دوسطحي , روش فيلتر كالمن , مجموع مربعات خطا

Dynamic assignment , Origin and destination matrix estimation , bi-level approach , Kalman filter method , Sum of square errors