This article presents the methodology for evaluating the correspondence matrix using modern technologies for identifying road users. Evaluation of the matrix «trajectory - point of departure - point of destination» opens up new opportunities, both for identifying problematic areas of the transportation process, and for planning and forecasting the operation of road transport
matrix, traffic flow analysis, graph
Оценка матрицы корреспонденций является сложной задачей для представления существующих методов и анализа транспортных потоков. Традиционно такие задачи решаются посредством оценки транспортных потоков, опросов и социально-экономическими моделями, но последние технологические достижения позволяют переосмыслить проблему [1-3]. Технологии идентификации участников дорожного движения, такие как датчики GPS, Bluetooth или Wi-Fi, предоставляют дополнительную информацию о пунктах отправления/назначения и выбранном маршруте. Эти данные используются для более полной оценки матрицы «траектория — пункт отправления — пункт назначения». Трехмерные матрицы расширяют концепцию традиционной оценки корреспонденций, предоставляя информацию о назначении транспортных потоков. Процесс оценки – обратная задача, целевая функция которой представляет собой компромисс между важными свойствами, которым должен удовлетворять поток.
В исследовании предоставим четкую и систематическую основу для оценки матрицы — комбинированный подход с использованием новых технологий, таких как GPS и Bluetooth, позволяющих осуществлять поиск траектории. Методология проиллюстрирована на рисунке 1.
|
примеры траекторий |
|
карты улично-дорожной сети |
|
данные Bluetooth |
|
обработанные сетевые данные |
|
программа восстановления транспортных потоков |
|
количество восстановленных потоков |
|
матрица корреспонденций |
Рисунок 1 – Схема оценки матрицы корреспонденций
Предлагаемый метод заключается в решении задачи (1), адаптированной к случаю матрицы.
где 
— выпуклые функции, моделирующие свойства, которым должны удовлетворять оценки (объем транспортных потоков в 
; траектории Bluetooth в 
; функции расстояния в C). Остальные функции ограничивают набор решений (
— положительные веса).
Рассмотренный метод восстановления матрицы корреспонденций упрощает процесс прогнозирования работы транспортной системы, подразумевая возможность дополнения модели другими данными.
1. Lebedeva O.A. Raschet osnovnyh harakteristik marshruta na osnove mezhostanovochnoy matricy / Vestnik Irkutskogo gosudarstvennogo tehnicheskogo universiteta. 2012. № 9 (68). S. 145-148.
2. Lebedeva O.A., Antonov D.V. Modelirovanie gruzovyh matric kor-respondenciy gravitacionnym i entropiynym metodami / Vestnik IrGTU. - 2015. - № 5 (100). - S. 118-122.
3. Michau N.G., Pustelnik P., Borgnat P., Abry A., Bhaskar E. Chung Combining traffic counts and Bluetooth data for link-origin-destination matrix estima-tion in large urban networks: The Brisbane case study, 2019, 15 p.
