基于节点进出客流计数的网络化公交系统贝叶斯起讫点估计
应用统计
2021-05-28 v1
摘要
我们提出了一种用于大规模网络化公交系统中静态起讫点(OD)估计的贝叶斯推断方法。该方法通过哈密顿蒙特卡洛采样过程,求得描述起讫点间乘客相对比例的OD系数的后验分布估计。我们提出了两种不同的推断模型形式:瞬时平衡模型与平均延迟模型。我们讨论了两种模型对各种计数观测特性的敏感性,并确定平均延迟模型在确定系数后验方面通常更为稳健。然而,瞬时平衡模型所需计数观测分辨率较低,且在计数观测仅受趋势波动或观测窗口截断的适度干扰、且有足够数量的分散数据记录可用时,可产出与平均延迟模型相当准确的估计。我们证明,贝叶斯后验分布估计提供了可量化的估计不确定性与模型预测质量度量,而另一种约束二次规划优化方法所得的点估计仅提供预测与观测间的残差误差。此外,贝叶斯方法在扩展到高维欠定问题时表现出更强的稳健性。基于全网车站闸机记录的数年进出站计数观测,我们确定了纽约市(NYC)地铁网络的贝叶斯瞬时平衡OD系数后验。鉴于其计算时间复杂度以及闸机记录的不完整与粗糙,平均延迟模型在真实世界测试场景中证明难以求解。
引用
@article{arxiv.2105.12798,
title = {Bayesian Origin-Destination Estimation in Networked Transit Systems using Nodal In- and Outflow Counts},
author = {Steffen O. P. Blume and Francesco Corman and Giovanni Sansavini},
journal= {arXiv preprint arXiv:2105.12798},
year = {2021}
}
备注
36 pages (including appendix), 21 figures (including appendix), submitted to Transportation Research Part B