基于先验路段流的贝叶斯网络交通流量估计模型(英文)

被引:6
作者
朱森来
程琳
褚昭明
机构
[1] 东南大学交通学院
关键词
交通流估计; 高斯贝叶斯网络; 证据传递; 组合方法;
D O I
暂无
中图分类号
U491.112 [];
学科分类号
摘要
为了估计交通流量,提出了一个使用先验路段流的贝叶斯网络模型.该模型把路段流量设为OD流量的父节点.在正态分布假设下,模型考虑了总交通流水平、路段流可变性以及交通量守恒的随机扰动.根据先验路段流确定所有变量的先验分布.通过更新一些观测的路段流量,给出后验分布.后验分布的方差往往随着路段流量的逐步更新而不断减小.基于得到的后验分布,给出点预测和相应的概率区间.为消除OD矩阵估计和交通分配之间的不一致,组合了贝叶斯网络和随机用户均衡模型,通过迭代得到均衡解.算例结果验证了提出的贝叶斯网络模型和组合方法的效果.
引用
收藏
页码:322 / 327
页数:6
相关论文
共 14 条
[1]   基于改进型贝叶斯组合模型的短时交通流量预测 [J].
王建 ;
邓卫 ;
赵金宝 .
东南大学学报(自然科学版), 2012, 42 (01) :162-167
[2]   基于贝叶斯网络的出行选择行为分析 [J].
鲜于建川 ;
隽志才 ;
朱泰英 .
交通运输系统工程与信息, 2011, 11 (05) :167-172
[3]   基于贝叶斯网络多方法组合的短时交通流量预测 [J].
王建 ;
邓卫 ;
赵金宝 .
交通运输系统工程与信息, 2011, 11 (04) :147-153
[4]  
C-logit stochastic user equilibrium model: formulations and solution algorithm[J] . Zhong Zhou,Anthony Chen,Shlomo Bekhor.Transportmetrica . 2012 (1)
[5]  
A Bayesian approach for modeling origin–destination matrices[J] . Konstantinos Perrakis,Dimitris Karlis,Mario Cools,Davy Janssens,Koen Vanhoof,Geert Wets.Transportation Research Part A . 2011 (1)
[6]  
Estimation of origin–destination matrices from link counts and sporadic routing data[J] . Katharina Parry,Martin L. Hazelton.Transportation Research Part B . 2011 (1)
[7]  
A maximum entropy-least squares estimator for elastic origin–destination trip matrix estimation[J] . Chi Xie,Kara M. Kockelman,S. Travis Waller.Transportation Research Part B . 2011 (9)
[8]  
Implementing Frank-Wolfe Algorithm under Different Flow Update Strategies and Line Search Technologies[J] . Meng XU,Yunchao QU,Ziyou GAO.Journal of Transportation Systems Engineering and Information Technology . 2008 (3)
[9]   Normalization and correlation of cross-nested logit models [J].
Abbe, E. ;
Bierlaire, M. ;
Toledo, T. .
TRANSPORTATION RESEARCH PART B-METHODOLOGICAL, 2007, 41 (07) :795-808
[10]  
Predicting traffic flow using Bayesian networks[J] . Enrique Castillo,José María Menéndez,Santos Sánchez-Cambronero.Transportation Research Part B . 2007 (5)