پیشینه  تحقیق روشهای مدلکردن ترافیک و روش های تخمین ماتریس تقاضای سفر دارای ۳۰ صفحه می باشد  فایل پیشینه تحقیق به صورت ورد  word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود  آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.

فهرست مطالب

۱- مقدمه    ۴
۲- روشهای مدلکردن ترافیک    ۵
۳- تخمین ماتریس تقاضای مبدأ-مقصد با استفاده از رویکرد استنباط آماری    ۱۱
۳-۱- حداکثر احتمال    ۱۱
۳-۲- حداقل مربعات    ۱۲
۳-۳- استنباط بیزین    ۱۴
۴- تعیین تعداد و محل شمارشگرهای ترافیکی    ۱۷
مراجع    ۲۶

مراجع

[۲] Abrahamsson, T., “Estimation of origin-destination matrices using traffic counts–a literature survey”, IIASA Interim Report IR-98-021/May, Vol., 1998.

[۳]  Castillo, E., Menendez, J.M., and Sanchez‐Cambronero, S., “Traffic estimation and optimal counting location without path enumeration using Bayesian networks”, Computer‐Aided Civil and Infrastructure Engineering, Vol. 23,  pp. 189-207, 2008.

 [۵] Spiess, H., “A maximum likelihood model for estimating origin-destination matrices”, Transportation Research Part B: Methodological, Vol. 21,  pp. 395-412, 1987.

[۶] Snickars, F., and Weibull, J.W., “A minimum information principle: theory and practice”, Regional Science and Urban Economics, Vol. 7,  pp. 137-168, 1977.

[۷] Van Zuylen, H.J., and Willumsen, L.G., “The most likely trip matrix estimated from traffic counts”, Transportation Research Part B: Methodological, Vol. 14,  pp. 281-293, 1980.

[۸] Fisk, C., “On combining maximum entropy trip matrix estimation with user optimal assignment”, Transportation Research Part B: Methodological, Vol. 22,  pp. 69-73, 1988.

[۹] Fisk, C., “Trip matrix estimation from link traffic counts: the congested network case”, Transportation Research Part B: Methodological, Vol. 23,  pp. 331-336, 1989.

[۱۰]   Fisk, C.S., and Boyce, D.E., “A note on trip matrix estimation from link traffic count data”, Transportation Research Part B: Methodological, Vol. 17,  pp. 245-250, 1983.

[۱۱]  Kawakami, S., Lu, H., and Hirobata, Y., “Estimation of origin-destination matrices from traffic counts considering the interaction of the traffic modes”, Regional Science, Vol. 71,  pp. 139-151, 1992.

[۱۲] Nguyen, S., Estimating an OD Matrix from Network Data: a Network Equilibrium Approach, Montreal: University of Montreal, Center of Transportation Research, Report CRT-60, 1977.

[۱۳]  Chen, Y., and Adviser-Florian, M., Bilevel programming problems: analysis, algorithms and applications, University of Saskatchewan, 1994.

[۱۴]  Denault, L., Investigation of adjustment of origin-destination matrices using traffic counts, The Center of Transportation Research, University of Montreal, Report CRT-991, 1994.

[۱۵] Drissi-Kaitouni, O., and Lundgren, J.T., Bilevel origin-destination matrix estimation using a descent approach, Department of Mathematics, Institute of Thechnology, Sweden, 1992.

 ۱- مقدمه

با توجه به اهمیت ماتریس تقاضای مبدأ-مقصد در مدیریت حمل­ونقل شهری و برون­شهری، در دهه­های اخیر تلاش­های زیادی در جهت برآورد این ماتریس صورت گرفته­است. همان­گونه که در فصل قبل گفته­شد، دو روش مستقیم و غیرمستقیم جهت تعیین ماتریس تقاضای مبدأ-مقصد وجود دارد که به دلیل هزینه­بر بودن روش­های مستقیم و با توجه به محدودیت بودجه­ی مدیریت حمل­ونقل، روش­های غیرمستقیم و به ویژه روش تخمین این ماتریس با استفاده از شمارش حجم جریان برخی کمان­ها، مورد توجه پژوهش­گران قرار گرفته­است.

به طور کلی روش­های تخمین ماتریس تقاضای مبدأ-مقصد با استفاده از شمارش حجم جریان برخی کمان­ها را می­توان به سه دسته تقسیم کرد. دسته­ی اول، روش­های مبتنی بر مفاهیم مدل کردن ترافیک[۱] است، که این روش­ها خود شامل مدل­های حداکثر آنتروپی[۲] (حداقل اطلاعات) و مدل­های ترکیبی تخصیص-توزیع[۳] می­باشند. تخمین ماتریس تقاضای مبدأ-مقصد با حل مستقیم (F₁، مقدار آنتروپی) و یا با تخمین پارامترهای مدل ترکیبی انجام می­گیرد. دسته­ی دوم، روش­های مبتنی بر مفاهیم استنتاج آماری[۴] است که این روش­ها خود شامل مدل حداکثر درست­نمایی[۵]، روش عمومی حداقل مربعات[۶] و روش­های استنتاج بیزین[۷] می­باشد. در این روش­ها فرض بر این است که مقادیر حجم جریان کمان­های شمارش شده و همچنین ماتریس تقاضای سفر هدف توسط توزیع احتمالی، تولید می­شوند و در نتیجه ماتریس تقاضای سفر با تخمین پارامترهای توزیع احتمالی تعیین می­گردد [۲]. در اکثر روش­های مدل کردن ترافیک، یک ماتریس تقاضای سفر قدیمی را به عنوان یک ماتریس اولیه در نظر گرفته و به کمک آن ماتریس تقاضای سفر را برای زمان حال تخمین می­زنند. در روش­های مبتنی بر توزیع احتمالی، غالباً ماتریس­های تقاضای سفری را که با استفاده از جمع­آوری اطلاعات سفرهای مبدأ-مقصد به­دست آمده و نیازمند اصلاح است، تصحیح می­کنند. دسته­ی سوم، روش­های مبتنی بر گرادیان[۸] است که در این روش­ها ماتریس تقاضای مبدأ-مقصد اولیه به صورت یک جواب اولیه برای مسأله­ی برآورد ماتریس تقاضای مبدأ-مقصد در نظر گرفته می­شود، و بر اساس گرادیان تابع هدف و محاسبات تکرار شونده، ماتریس تقاضای سفر اولیه با بازتولید حجم ترافیک کمان­های شمارش شده، اصلاح می­گردد.

در ادامه­ی این مقاله در بخش ۲ مروری بر فعالیت­های صورت گرفته در زمینه­ی تخمین ماتریس تقاضای سفر با استفاده از روش­ شمارش حجم جریان برخی کمان­ها خواهدشد. در بخش ۳ روش­های تخمین ماتریس تقاضای سفر به کمک استنتاج­های بیزین و با استفاده از اطلاعات حجم جریان تعدادی از کمان­های شبکه­ی حمل­ونقل ارائه می­شود، و در بخش ۴ روش­های تعیین تعداد و محل شمارش­گرهای جریان ترافیکی تشریح می­گردد.

۲- روش­های مدل­کردن ترافیک

با توجه به این­که اطلاعات به­دست آمده از شمارش حجم جریان تعدادی از کمان­های شبکه­ی حمل­ونقل برای تعیین یک ماتریس تقاضای سفر منحصربه­فرد کافی نیست، بنابراین استفاده از یک ماتریس تقاضای مبدأ-مقصد اولیه T_ij که در گذشته با استفاده از روش­های مستقیم به­دست آمده­است و می­تواند اطلاعات مفیدی راجع­به میزان حجم سفرهای بین ناحیه­ای در اختیار قرار دهد، بسیار حائز اهمیت می­باشد.

اسپایس[۹] در سال ۱۹۸۷ ماتریس تقاضای مبدأ-مقصد را از کمینه کردن تابع Y به­دست آورد [۵] :

عبارت ۲-۱ تابع حداکثر آنتروپی است و به عبارت دیگر ماتریس تقاضای سفری که مقدار تابع Y را کمینه می­کند، حجم جریان ترافیک کمان­های مشاهده شده را بازتولید می­نماید. با کمینه کردن عبارت ۲-۱ رابطه­ی ۲-۲ حاصل می­گردد [۶].

در این رابطه l_a  ضرایب لاگرانژ مربوط به محدودیت­هایی می­باشد که حجم جریان کمان a از مجموعه کمان­های شمارش شده  را به ماتریس تقاضای مبدأ-مقصد مرتبط می­کند.  ، نسبت حجم جریان بین زوج مبدأ-مقصد(i,j) است که از کمان a عبور می­کند. عبارت ۲-۲ با فرض تخصیص نسبی یعنی های ثابت برقرار است. حجم جریان ترافیکی کمان a نیز از رابطه­ی زیر به­دست می­آید.

در روش­های مدل­کردن ترافیک، به طور مستقیم یا غیرمستقیم فرض می­شود که رفتار مسافرین از نوعی مدل توزیع سفر تبعیت می­کند. ون زویلن[۱۰] و ویلیامسن[۱۱] در سال ۱۹۸۰ دو مدل مهم از این نوع را ارائه کردند [۷]. مدل­های ون زویلن و ویلیامسن بر اساس اصول حداکثر آنتروپی، که از مدل­های توزیع سفر نوع جاذبه منجر می­شوند، به­دست می­آیند.

فیسک[۱۲] [۸] مدل حداکثر آنتروپی ون زویلن و ویلیامسن را با در نظر گرفتن شرایط تعادل استفاده کننده به عنوان محدودیت برای شبکه­های شلوغ توسعه داد. مدل پیشنهادی وی یک ساختار دو سطحی[۱۳] دارد که آنتروپی را روی سطح بالایی بیشینه می­کند و مسئله­ی تعادل استفاده کننده را روی سطح پایینی حل می­کند.

فیسک در مقاله­ی دیگری در سال ۱۹۸۹ ثابت می­کند که اگر الگوی حجم جریان ترافیک مشاهده شده یک الگوی جریان تعادلی استفاده کننده باشد، مدل آنتروپی توسعه­یافته­ی وی راه حلی همانند مدل ترکیبی توزیع-تخصیص سفر خواهد داشت [۹]. همچنین الگوریتم­های حل کارایی برای حل روش­های ترکیبی در مقاله­ی فیسک و بویس[۱۴] ارائه گردیده­است [۱۰].

کاواکامی[۱۵] و همکارانش [۱۱] در سال ۱۹۹۲ مدل ترکیبی فیسک و بویس را برای دو گونه سفر وسیله نقلیه شخصی و کامیون توسعه دادند. آن­ها مدل خود را برای یک شبکه­ی حمل­ونقل با مقیاس متوسط (شهر ناگویای[۱۶] ژاپن) اجرا کردند. اگرچه برای این شبکه­ی حمل­ونقل یک ماتریس تقاضای سفر اولیه وجود داشت، اما به دلیل این­که مدل آن­ها تأثیر این ماتریس را لحاظ نمی­کند، از آن استفاده نگردید.

نگوین در سال ۱۹۹۷ [۱۲] برای اولین بار دو روش بر مبنای تعادل استفاده کننده ارائه کرد. مدل اول برای مواقعی است که حجم جریان در همه­ی کمان­ها موجود باشد، و مدل دوم برای مواقعی است که تنها اطلاعات کوتاه­ترین زمان سفر بین تمام زوج مبدأ-مقصدها در دسترس باشد.

روش­هایی که توانایی تخمین ماتریس تقاضای سفر برای شبکه­های بزرگ را دارند، دارای یک وجه مشترک می­باشند، و آن ساختار دو سطحی مسائل تعریف شده در هریک از این روش­ها است. در مسائل دو سطحی، مسئله­ی تخمین ماتریس تقاضای سفر در سطح بالایی و مسئله­ی تخصیص ترافیک تعادلی در سطح پایینی حل می­شود. این دو مسئله به یکدیگر وابسته هستند، به طوری که مسئله­ی تخصیص ترافیک تعادلی بعد از تخمین ماتریس تقاضای سفر در سطح بالایی حل می­شود و مسئله­ی سطح بالایی با توجه به مقادیر ترافیک کمان­ها که از حل مسئله­ی تخصیص در سطح پایینی به­دست آمده­است، حل می­گردد.

[۱] Traffic Modeling

[۲] Entropy Maximizing

[۳] Assignment – Distribution

[۴] Statistical Inference

[۵] Maximum Likelihood

[۶] Generalized Least Squares

[۷] Bayesian Inference

[۸] Gradient

[۹] Spiess

[۱۰] Van Zuylen

[۱۱] Willumsen

[۱۲] Fisk

[۱۳] Bisection Structure

[۱۴] Boyse

[۱۵] Kawakami

[۱۶] Nagoya

تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ  را پرداخت نمایید.