طبقه‌بندی روش‌های تخمین ماتریس مبداء - مقصد با اطلاعات شمارش حجم کمان‌ها در شبکه‌های خلوت و شلوغ جاده‌ای

یک ورودی ضروری برای فرآیند برنامه‌ریزی حمل‌ونقل میزان تقاضای سفر در قالب ماتریس مبداء - مقصد است. روش‌های مرسوم برای دسترسی مستقیم به این ماتریس که مبتنی بر انجام مصاحبه و آمارگیری در محل‌های مشخص بوده، پرهزینه و زمان‌بر هستند. از این‌رو به منظور روش‌های ریاضی مبتنی بر آمار شهودی مانند حجم ترافیک در معابر شبکه روز به روز محبوبیت بیشتری در مطالعات حمل‌ونقل پیدا کرده‌اند. این روش ها به این صورت تعریف می شوند که با در دست داشتن یک ماتریس مبداء - مقصد اولیه و نیز اطلاعات جریان ترافیک مشاهده شده فعلی در تعدادی از معابر شبکه، به دنبال برآورد ماتریسی هستند که با داشتن کمترین فاصله از ماتریس اولیه، در صورت تخصیص به شبکه، حجم های مشاهده شده را بازتولید کند. از آن‌جا که روش‌های مرسوم در دست‌یابی به این ماتریس که مبتنی بر انجام مصاحبه و آمارگیری در محل هستند، پرهزینه و وقت‌گیر بوده و موجبات مزاحمت برای مردم را در پی دارند، روش‌های ریاضی مبتنی بر آمار مشاهده شده (مانند شمارش حجم عبوری از معابر شبکه) روز به روز گسترش بیشتری پیدا می‌کنند. در این پژوهش روش های برآورد ماتریس مبداء - مقصد را به لحاظ عملکرد شبکه می توان به شبکه های شلوغ و خلوت تقسیم و ویژگی های هریک بررسی و ارایه شده است.

Classification of Methods for Estimating the OriginDestination Matrix with Link Volume Counts Data in the Congested and Uncongested

Form of the sourcedestination matrix Conventional approaches to accessing this matrix An essential input to the transportation planning process is the amount of travel demand in the directly, based on interviews and surveys in specific locations, are costly and time consuming. Hence, for the sake of mathematical methods based on intuitive statistics such as the volume of traffic in the network passages are becoming more and more popular in transportation studies. These methods are defined by having a sourceprimarydestination matrix as well as the current traffic flow information observed in a number of network paths, resulting in matrix estimation with the least distance from the primary matrix. , When allocated to the network, reproduce the observed volumes. Because conventional methods of obtaining this matrix that are based on interviewing and surveying are expensive, time consuming and annoying to people, the mathematical methods based on the observed statistics (such as the volume of network passage counts) ) Are expanding day by day. In this research, the sourcedestination matrix estimation methods can be divided into crowded and backbone networks in terms of network performance and the characteristics of each are presented.