مکانیابی بهینه شمارشگرهای ترافیکی در شبکه برای به روز رسانی ماتریس تقاضای سفر با استفاده از استنباط بیزین (مطالعه موردی: شهر اصفهان)

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع دانشگاه صنعتی اصفهان

2 فارغ التحصیل مقطع کارشناسی ارشد مهندسی صنایع دانشگاه صنعتی اصفهان

3 دانشیار دانشکده مهندسی صنایع دانشگاه صنعتی اصفهان

چکیده

تحلیل جریانهای ترافیکی در شبکه های حمل و نقل شهری نیازمند اطلاعات ماتریس تقاضای سفر می باشد. اطلاعات ماتریس تقاضای سفر معمولا از دو دسته روش های مستقیم و غیر مستقیم به دست می آید. از آنجایی که جمع آوری اطلاعات مربوط به ماتریس تقاضای سفر از طریق روش های مستقیم، هزینه بر بوده، لذا در سال های اخیر روش های غیر مستقیم برای اصلاح و به روز رسانی این ماتریس مورد توجه پژوهشگران قرار گرفته است. یکی از مهمترین روشهای غیر مستقیم اصلاح ماتریس تقاضای سفر، استفاده از مدلهای برنامه ریزی ریاضی با استفاده از اطلاعات حجم جریان ترافیک مشاهده شده بر روی خیابانهاست. با توجه به اینکه کیفیت ماتریس تقاضای سفر اصلاح شده به دقت داده های ورودی مانند ماتریس تقاضای سفر اولیه و محل استقرار نقاط شمارش حجم جریان ترافیک وابسته بوده، و از طرف دیگر منابع تخصیص داده شده برای شمارش حجم خیابانها محدود می باشد، بنابراین انتخاب مجموعه ای از کمانهای مناسب که شمارش حجم آنها بیشترین اطلاعات را برای تصحیح ماتریس تقاضای سفر به دست دهد، از اهمیت بالایی برخوردار است. از جمله رویکردهایی که سال های اخیر در تعیین محل بهینه کمانهای شبکه جهت شمارش مورد توجه پژوهشگران قرار گرفته است، رویکرد استنباط بیزی و استفاده از شبکه های بیزین است است. مشکل اصلی این روشها، زمان اجرای بالای آن برای شبکه های متوسط و بزرگ است. در این تحقیق با استفاده از دو راهکار شناسایی کمانهای غیر مهم و حذف آنها و نیز کاهش تعداد زوج مبدا-مقصدهای غیر موثر، روشی کارا برای شناسایی کمانهای مهم جهت شمارش در شبکه های حمل و نقلی بزرگ ارائه شده است. در نهایت روش پیشنهادی بر روی شبکه متوسط سایوکس فالز و سپس بر روی شبکه بزرگ شهر اصفهان اجرا شد و کمانهای بهینه برای شمارش حجم ترافیک در راستای تخمین ماتریس تقاضای سفر تعیین شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimum Counting Location to update Origin-Destination Matrix Using Bayesian inference (Case Study: city of Isfahan)

چکیده [English]

The Origin-Destination (OD) matrix is essential to analyze traffic flow in an urban transportation network. OD matrices are obtained through either direct or indirect methods. Since the direct methods are costly, indirect methods have lately been more popular among researchers for the purpose of correcting and updating OD matrices. A very important indirect method is mathematical programming model using observed volume on network links. We should notice that the quality of the corrected OD matrix depends on the accuracy of the input data such as the initial OD matrix and the links which selected for traffic volume data collection. Simultaneously, scarcity of resources, limits number of links for data collection. As a result, it is necessary to select a proper set of links so that we can obtain the maximum possible information to be used for OD matrix correction. A popular approach for this purpose is Bayesian inference and applying Bayesian networks. A major problem with this approach is being very time intensive for medium and large size networks. The current study provides an efficient method of identifying important links for traffic volume data collection in large networks using two techniques: Firstly, identifying and eliminating non important links, and secondly, reducing the less important OD pairs. Finally, the proposed method is applied to Sioux Falls city and Isfahan metropolitan networks to specify the optimum set of network links for traffic volume data collection and therefore the OD matrix estimation.

کلیدواژه‌ها [English]

  • Optimum location of network links
  • origin-destination matrix estimation
  • Bayesian networks