基于公交上下客人数的时变起讫点矩阵贝叶斯推断
应用统计
2024-11-28 v2
摘要
起讫点(OD)需求矩阵对于公交机构设计和运营公交系统至关重要。本文提出了一种新颖的时间贝叶斯模型，旨在根据公交站点的上下客人数，在单次公交行程级别估计公交OD矩阵。我们的方法首先通过以离站概率为参数的多项分布，对给定上车站点后后续各公交站的下车乘客数进行建模。鉴于问题的规模较大，我们使用潜变量矩阵生成离站概率，并将其分解为映射矩阵和时间矩阵，从而大幅减少了参数数量。为了在参数中进一步编码时间平滑结构，我们在时间因子矩阵的列上施加了高斯过程先验。对于模型推断，我们开发了一种结合马尔可夫链蒙特卡洛(MCMC)方法的两阶段算法。在第一阶段，基于模型参数，使用带有基于马尔可夫模型提议分布的Metropolis-Hastings抽样算法对潜OD矩阵进行采样。在第二阶段，基于潜OD矩阵，使用切片采样和椭圆切片采样算法对模型参数进行采样。我们使用从具有不同站点数量的三条公交线路收集的真实数据评估了所提出的模型，结果表明我们的模型实现了准确的后验均值估计，并优于广泛使用的迭代比例拟合(IPF)方法。此外，我们的模型可以为OD需求矩阵提供不确定性量化，从而有益于许多需要稳健决策的下游规划/运营任务。
引用
@article{arxiv.2403.04742,
title = {Bayesian Inference of Time-Varying Origin-Destination Matrices from Boarding/Alighting Counts for Transit Services},
author = {Xiaoxu Chen and Zhanhong Cheng and Lijun Sun},
journal= {arXiv preprint arXiv:2403.04742},
year = {2024}
}