下载文档原格式
OD调查方法及调查结果分析交通勘察设计院论文OD调查方法及调查结果分析-交通勘察设计院论文I. 引言交通勘察设计院（以下简称“院”）作为一个专门从事交通领域的研究和设计的机构，需要准确、全面地了解和分析人员出行方式，以便为城市交通规划和交通系统改善提供科学依据。
因此，本文旨在介绍OD调查方法并分析其调查结果，为院的研究和规划工作提供参考。
II. OD调查方法A. 定义OD（Origin-Destination）调查是一种常用的交通出行调查方法，通过记录人员的出发地点和到达地点，以及其出行目的和主要交通方式，来获取出行模式的信息。
这些数据可用于分析交通网络作用、交通需求和交通拥堵等问题。
B. 调查设计1. 样本选择a. 代表性样本：根据统计学原理和抽样方法，从总体中选择出具有代表性的样本。
b. 样本容量：确保样本容量足够大，以减小采样误差和提高抽样精度。
2. 调查工具a. 问卷调查：通过向被调查者提供问卷，收集他们的出行信息。
问卷内容包括出发地、目的地、交通方式等。
b. 自动化数据采集：通过GPS设备、智能卡、手机APP等工具，自动获取出行信息。
3. 调查过程a. 准备：明确调查目标、确定样本规模、设计问卷或配置数据采集设备。
b. 采集：向被调查者发送问卷或配置设备，记录出行信息。
c. 数据整理：整理和汇总调查数据，准备进行后续的分析和处理。
III. 调查结果分析A. 出行模式分析1. 出发地与目的地分布：通过分析调查数据中的OD点，可以了解人们出行范围和方向，从而规划交通网络。
2. 出行距离和时间：通过OD调查数据，可获得人们出行的平均距离和时间，以便优化路网设计和交通管理措施。
B. 交通方式分析1. 主要交通方式：根据调查结果，分析出人们选择的主要交通方式，如公共交通、私家车等。
这有助于评估交通需求和优化公共交通服务。
2. 出行目的对交通方式的影响：调查数据中的出行目的与交通方式之间的关系，可用于制定相应的交通规划和政策。
学校代号***** 学号S********分类号密级硕士学位论文动态OD矩阵估算与DYNAMEQ动态交通分配交互研究学位申请人姓名陈新梅培养单位土木工程学院导师姓名及职称李硕教授学科专业交通运输工程研究方向交通规划与管理论文提交日期动态OD矩阵估算与DYNAMEQ动态交通分配交互研究摘要城市道路交通系统是一个复杂的大系统，针对其日益严峻的交通问题，如果单独从车辆方面或从道路方面考虑，都很难得到较好的解决。
在此背景下，将车辆、道路、以及交通参与者系统的综合起来，应用各种高新技术，用以解决城市道路交通问题的智能交通系统应运而生。
随着智能交通系统ITS研究的兴起，作为基础和核心内容，动态交通分配一直是智能交通领域的研究热点和焦点问题。
但从目前的研究现状来看，现有的动态交通分配的算法和模型与实际应用还具有很大差距。
阻碍其理论实际应用的关键问题包括：其一，输入数据较难获取，即动态OD矩阵难以准确得到；其二，现有动态交通分配模型相应算法的计算量过大，无法应用于实际交通网络规模的实时计算；其三，现有动态交通分配模型尚不能合理精确的描述实际交通网络的各种措施和行为，如信号控制、车辆的转向行为、以及各种动态交通管理措施等。
因而对动态OD矩阵的估算和动态交通分配仿真模型的研究具有重大的意义。
本文根据OD矩阵估算与动态交通分配模型的理论，提出了一种动态OD矩阵估算和动态交通分配模型交互作用的系统模型。
针对我国复杂的城市道路交通问题，以长沙市某一具体区域作为研究对象，在实际分析长沙市拥挤的城市道路交通网实测数据的基础上，建立了基于动态OD矩阵估算与DYNAMEQ动态交通分配模型交互作用的系统模型。
对该系统模型中的关键技术如动态OD矩阵估算、DYNAMEQ动态交通分配仿真模型及其参数的标定等进行了研究，详细介绍了基于最大熵原理、由道路交叉口转向流量估算OD矩阵的模型、DYNAMEQ动态交通分配仿真模型、系统模型的建立及参数标定的过程，为模型的应用和研究提供一定的科学依据。
动态gmm估计方法啥是动态 GMM 估计方法呀？嘿，这可真是个挺高深的玩意儿呢！咱就打个比方吧，它就像是一个神奇的魔法工具，能帮我们在一堆数据的迷雾中找到那条正确的路。
你想啊，数据就像那漫天的星星，一闪一闪的，看着挺热闹，但咱得从这里面找出规律来呀。
动态 GMM 估计方法就是那个能让这些星星有序排列起来的魔法。
它可不是随随便便就能玩转的哦！这需要我们有足够的耐心和细心去研究它。
就好像学骑自行车，一开始可能会摇摇晃晃，但慢慢掌握了技巧，就能骑得稳稳当当啦。
动态 GMM 估计方法在很多领域都大显身手呢！比如说经济学里，它能帮我们分析各种经济现象背后的规律，让那些复杂的数据变得不再那么让人头疼。
它是怎么做到的呢？这就像是一个高明的侦探，通过仔细观察每一个线索，一点点拼凑出整个事件的真相。
它会从大量的数据中提取出关键的信息，然后构建出一个合理的模型。
哎呀，这可真不容易啊！要知道，数据可不是那么好摆弄的，它们有时候就像调皮的小孩子，得好好哄着才行。
但一旦掌握了动态 GMM 估计方法，就好像有了一把万能钥匙，能打开很多知识的大门。
你可能会问了，那这方法难不难学呀？嗯，怎么说呢，肯定不是一蹴而就的啦。
就像爬山，得一步一步地往上爬，中间可能会遇到陡峭的地方，会累得气喘吁吁，但只要坚持，总能爬到山顶，看到那美丽的风景。
学动态GMM 估计方法也是这样呀，一开始可能会觉得云里雾里的，但别着急，慢慢来。
多看看相关的资料，多做些实践，总会慢慢找到感觉的。
而且呀，现在有很多资源可以利用呢！网上有各种各样的教程和例子，还有很多专家分享他们的经验。
咱可不能浪费了这些好东西呀！总之呢，动态 GMM 估计方法虽然有点复杂，但它真的很有用呀！它就像一个隐藏在数据世界里的宝藏，等着我们去发掘呢。
你准备好了吗？让我们一起踏上探索这个神奇方法的旅程吧，说不定会有很多意想不到的收获呢！别再犹豫啦，赶紧行动起来吧！。
动态交通分配模型的文献综述动态交通流分配解析模型研究综述由于静态交通流分配理论不能体现OD需求矩阵随时间变化的起伏特征，动态交通流分配理论应运而生。
自1978年Merchant和Nemhauser首次提出了动态交通流分配的概念以来，动态交通流分配理论因其在拥挤网络的典型应用受到众多学者的青睐。
动态交通流分配是将时变的交通出行合理分配到不同的路径上，以降低个人的出行费用或系统总费用。
按照建模方法的不同，动态交通流分配模型可以分为动态交通流分配解析模型和动态交通流分配仿真模型。
动态交通流分配解析模型可以分为三类:数学规划模型、最优控制模型和变分不等式模型。
（1）数学规划模型Merchant和Nemhauser(1978)[1]首次采用数学规划的方法来描述动态交通流分配问题，建立了一个离散时间的、非凸的非线性规划模型(记为M-N模型)。
在静态假定下，该模型可以转换为静态的系统最优分配模型。
Ho(1980)[2]推导了M-N模型最优解的充分性条件，并提出了该模型的分段线性算法。
Carey(1986)[3]改进M-N模型为非线性凸规划，并证明了模型解的惟一性。
上述模型均局限于多个起点、一个终点的简单网络。
Carey(l992)[4]首次提出了动态交通流分配的FIFO(First-In-First-Out)规则，指出当网络扩展为多个终点时，FIFO 原则必将导致模型解得可行域为非凸集合，如果不满足该原则，则模型解不合理。
FIIFO原则的提出使得DTA问题的数学规划建模遇到了困难。
Janson(1991)[5]最早尝试建立用户最优的动态交通流分配模型，但模型部分假设违反了FIFO原则,算法的数学性质也不足够好，有可能导致不符合实际交通情况的行为。
Ziliaskopoulos(2000)[6]引入元胞传输模型建立了一个系统最优DTA线性规划模型，不需将路段出行时间函数作为路段交通流量传播的唯一工具，而是按照细胞传播模型来处理交通流的传播，为动态交通流分配问题建模提供了一个新的思路。
城市轨道交通动态OD矩阵分析及估计模型研究李若怡;李得伟【摘要】客流动态起讫点(OD)矩阵是城市轨道交通实现动态运营管理的重要基础,准确地估计动态OD矩阵对城市轨道交通实际运营管理水平的提高有着重要意义.文章从空间方面分析了起讫站点性质、终点站吸引量、线路属性、起讫站点是否同线的影响,从时间方面分析了列车发车间隔、OD间换乘次数和距离的影响.构建了城市轨道交通动态OD矩阵估计模型,并选取北京市城市轨道交通网络的局部区域作为验证案例,对所提出模型的估计效果进行研究分析,所得结果表明,文中的模型较采用历史数据进行估计,在早晚高峰时精度提高约4％～ 10％、平峰期时精度提高约8％～17％,同时在15 min、30 min、60 min粒度下全日平均精度分别提高8.67％、11.75％、3.46％,验证了模型的可行性.%Dynamic origin-destination(OD) matrix is an important basis for the dynamic operation management of urban rail transit,so it is significant to accurately estimate the dynamic OD matrix for the improvement of the actual operation management level of urban rail transit.This article analyzed the influencing factors of the temporal and spatial distribution for the OD passenger flow,such as the space influencing factors including land-use type,attracted traffic flow,line properties,if the starting point and the terminal were on the same line,and the time influencing factors including riding time,transfer times and distance.This article built the estimation model of passenger flow dynamic OD matrix for the urban rail transit,selected the local area of Beijing urban rail transit network as a case study,analyzed the estimation effect of the paring the proposed model with historicaldata,the estimation accuracy of the morning and evening peak was improved by 4％～ 10％,the flat peak was improved by 8％～17％.Meanwhile,under the granularity of 15 min,30 rmins,and 60 rnins,the full-day average accuracy was increased by 8.67％,11.75％,3.46％.【期刊名称】《铁路计算机应用》【年(卷),期】2017(026)001【总页数】5页(P63-66,69)【关键词】动态OD矩阵;OD矩阵估计模型;城市轨道交通【作者】李若怡;李得伟【作者单位】北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044【正文语种】中文【中图分类】U231.92;T39客流动态起讫点（OD）矩阵估计是利用预测的未来客流进站量，反推未来的OD 矩阵，它是城市轨道交通系统实施动态运营管理与控制的重要基础[1]。
