当前位置:首页 > 报告详情

数据驱动的出行需求模型.pdf

上传人: c** 编号:464816 2025-01-12 17页 1.01MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了由Arup Dutta等人在2020年提出的一种基于车流量和速度数据校准基础交通流量图和体积延迟函数的方法。该方法通过校准BPR函数中的参数alpha和beta,以及提出一种新的基于队列的V/C映射程序,以更准确地估计交通延迟和流量。研究使用了2020年1月1日至2月29日期间收集的两个月的州际高速公路数据,数据间隔为15分钟,共涉及85个传感器和300万条记录。研究的关键发现是,基于队列的映射方法(QBM)在高峰时段能更有效地捕捉交通需求并准确表示流量模式。此外,文章还提到了在不同的峰值时段和设施类型中进行体积延迟函数校准的重要性。研究结果表明,当有足够的高分辨率速度和流量数据(每15分钟一次)时,QBM是一个非常有效的方法。目前的主要挑战是数据的可用性,尤其是对于次要道路。在文章的最后,作者提出了进一步的测试需求,以验证QBM的敏感性和鲁棒性,并在将其结果整合到预测模型输入之前进行了基础年的模型验证。
如何准确校准基于流量的行程时间和流量函数? BPR函数在交通流量分析中的应用有哪些优势? 高峰时段的定义及其在交通分析中的重要性是怎样的?
客服
商务合作
小程序
服务号
折叠