مدل برآورد ماتریس‌های مبدا و مقصد در مدل تخصیص دینامیکی در شرایط اشباع

روند کاربرآورد ماتریس‌های مبدا و مقصد به این صورت است که در ابتدا یک ماتریس اولیه در نظر گرفته می شود که به کمک نرم‌افزار transims به شبکه تخصیص دینامیکی داده می‌شود تا احجام دینامیکی حاصل شوند و با احجام مشاهده‌شده در در حالت واقعی مقایسه ‌شوند و تفاوت آنها در مراحل بعدی اصلاح ‌گردد. اکثر مطالعاتی که تاکنون صورت گرفته، بر روی ارائه روش‌های جدیدی برای حل این مسئله تمرکز داشته‌ است و با توجه به پیچیدگی‌های موجود در بحث پیاده‌سازی تخمین ماتریس مبدا و مقصد در محیط واقعی، کمتر به آن پرداخته‌شده است. در این پژوهش، مدل‌سازی این فرآیند دوسطحی در قالب مطالعه موردی شهر واتربری در ایالت کانکتیکت آمریکا (بدلیل دسترس بودن داده‌ها و شبکه عبور ‌و ‌‌مرور دارای ازدحام این شهر)، تخصیص دینامیکی به کمک نرم‌افزار transims که دارای توانمندی در استفاده برای مد های مختلف حمل‌ونقلی و همچنین دارا بودن قابلیت اعمال تغییرات در برنامه (متن‌باز))برای استفاده کنندگان می‌باشد، انجام گرفته است. تخمین ماتریس مبدا و مقصد در شرایط اشباع به کمک الگوریتم فیلتر کالمن و رویکرد حداقل مربعات خطا انجام شده است و همچنین کدنویسی تمامی فرآیند تخمین ماتریس مبدا و مقصد به زبان c++ ، صورت گرفته است. در انتها مراحل تکرارشونده، میزان خطای حجم کمان‌ها برای تایید فرآیند تخمین ماتریس مبدا و مقصد، با استفاده از روش حداقل مربعات خطا حاصل شده است، که با استفاده از آن و اعمال شرط تایید فرآیند، ماتریس مبدا و مقصد بهینه ای حاصل می‌شود که نزدیک به نتایج حاصل شده از حجم های مشاهده شده در محیط واقعی است.

Estimation model of origin and destination matrices in the dynamic assignment model under congestion conditions

The process of estimating the origin and destination matrices is that first there is an initial matrix that is given to the dynamic assignment network with the help of transims software so that the dynamic volumes are obtained and compared with the observed volumes in reality and their differences are corrected in later steps. Most studies to date have focused on providing new methods for problem solving, and due to the complexities of discussing the implementation of origin and destination matrix estimation in the real environment, less attention has been paid to it. In this research, modeling of this bilevel process in the form of a case study of Waterbury City (due to the availability of data and congested traffic network), dynamic assignment using transims software that is powerful in various transportation discussions and also has the ability to make changes to the program. The origin and destination matrix estimation in saturation conditions is performed using the Kalman filter algorithm and the least squares error approach (widely used and powerful in largescale and saturation networks), as well as coding the entire origin and destination matrix estimation process. In the language of C++, is the innovation of this research. At the end of the iterative steps, the amount of arc volume error to confirm the process of estimating the source and destination matrix is obtained using the least squares error method, which is used to apply the process confirmation condition, the optimal source and destination matrix is obtained that close The results of the volumes observed in the real environment