Abstract: Tidsuppdelade OD-flöden är nödvändiga för många planeringsmodeller med vidsträckta tillämpningar. Exempelvis är OD-flöden viktiga för långsiktig planering men även för kortsiktig planering (t ex vid trafikavstängningar, effektstudier av trafikstyrningsstrategier före implementering) och för operativ trafikledning.
OD-flöden kan inte mätas direkt. De kan uppskattas från resvaneundersökningar (hög kostnad och utförs därför sällan) eller indirekt från trafikmätningar. Befintliga metoder använder tillgängliga data såsom flöden från slingdetektorer för att uppskatta OD-flöden. De använder en formulering baserad på ett koncept som kallas assignment-matris. Assignment-matrisen avbildar de obekanta OD-flödena på länkflöden vid sensorerna och syftet är att bestämma OD-flöden som minimerar avvikelsen mellan mätningar och estimerade flöden. Tyvärr lider metoder som bygger på assignment-matris av flera begränsningar:
- Assignment-matrisen är en linjär approximation av komplexa olinjära samband mellan OD-flöden och länkflöden, en approximation som inte gäller när trafiknätet är överbelastat.
- Assignmentmatrisen hanterar bara länkflöden och inte andra tillgängliga data som restider, hastigheter etc. Samma låga flöde kan bero på låg efterfrågan eller på köbildning.
- Beräkningsmetoderna är ineffektiva varför som regel endast homogena tidsperioder studeras.
Syfte:
Syftet med den föreslagna forskningen är att utveckla praktiska och effektiva metoder som kan användas på stora trafiknät i skilda tillämpningar. Metoderna är också generella så att de kan används tillsammans med flera befintliga simuleringsmodeller (CONTRAM, MEZZO etc). De utvecklad metoderna är också flexibla i användning av data över flöden, restider och punkthastigheter.
Metod:
Den föreslagna metoden använder en generell formulering som inte beror på assignment-matrisen. Man undviker därmed problemen med tidigare metoder och metoden kan fungera även vid trängsel och överbelastning. Problemet löses med algoritmer avpassade för stora stokastiska problem. Den algoritm skm vi avser utforska är känd som SPSA-metoden (Simultaneous Perturbation Stochastic Approximation) och har använts av professor Koutsopoulos i preliminära tester för OD-estimering. Metoden har visat sig löftesrik i inledande tester på medelstora trafiknät. Den föreslagna forskningen kommer att fokusera vidareutveckling, testning och förfining av algoritmen och jämförelser med andra lovande metoder. Vi kommer att utvärdera metodens prestanda med avseende på:
- beräkningseffektivitet med stora trafiknät (av Stockholms storlek)
- konvergensegenskaper
- lösningens kvalitet
Desutom behandlas ett antal praktiska frågor såsom hanteringen av små OD-flöden, riktlijer för placering av sensorer för att identifiera de okända OD-flödena etc.