用matlab实现交通分布预测方法

2024-07-03 01:48| 来源: 网络整理| 查看: 265

前言

对于我的第一篇文章：Matlab实现交通分布预测方法 —— 增长系数法 | 平均增长率法、底特律法、福莱特法，有不少同学私信我询问关于如何在 matlab 中调用函数、拆分代码以及需要大量调用的问题。于是我便想着把内容做一些优化，放在这篇文章里。

原来那篇文章开头有我写第一次文章时的感慨，每次打开看到感觉和下面相对理性的内容不符。。

增长系数法算法步骤

首先准备条件要有：

现状完整 OD 表将来 OD 表中各小区发生、吸引交通量及生成总量

算法流程图如下：

算法流程图

matlab 代码

原来那篇文章，我是设置的交互式代码，即需要在命令行手动输入选择的方法。当需要大量使用时，有些不便。于是我把每个方法都封装成一个函数，需要哪个调用即可。

另外有些同学没有 matlab 基础，不知道如何调用函数，可以看我原来那篇文章里的使用说明部分。如果还是有困难，有需求的人多的话，我会出一期视频教程。

平均增长系数法

先上代码：

function [ res,o,d,m,T,Fo,Fd] = func_Average( od_now,U,V ) %FUNC_AVERAGE 平均增长系数法 % res 为最终预测的od矩阵 % o,d分别为未来各小区的总吸引量、发生量 % m为迭代次数，T为未来出行生成总量 % Fo,Fd分别为最终发生、吸引增长系数值 % od_now 为现状OD矩阵（n x n） % U为未来各小区发生量，V为未来各小区吸引量，均为行向量。 n=size(od_now,1); % 小区个数 O = sum(od_now,2)'; % 现状小区发生量 D = sum(od_now,1); % 现状小区吸引量 % 计算发生增长系数和吸引增长系数 F_o = U ./ O; F_d = V ./ D; alpha = 0.03; % 误差常数 m = 0; % 记录迭代次数 while true % 开始循环 m = m+1; % 计算系数 f = zeros(n); for i = 1:n for j = 1:n f(i,j)=0.5*(F_o(i)+F_d(j)); end end % 计算新od表 od_now = f .* od_now; % 更新现状O和D O = sum(od_now,2)'; D = sum(od_now,1); % 计算新的发生和吸引系数 F_o = U ./ O; F_d = V ./ D; % 判断收敛 if abs([F_o,F_d]-1) = 100 disp('请注意，迭代已超过100次，下面输出第100次迭代结果。'); res = od_now; o = sum(res,2)'; d = sum(res,1); T = sum(o); Fo = F_o; Fd = F_d; break end end end 测试

用邵春福老师的第二版《交通规划原理》中的例子来测试一下。

测试例子数据

新建一个脚本文件，放进以下代码：

clear;clc od_now = [17 7 4; 7 38 6; 4 5 17;]; % 现状od U=[38.6 91.9 36]; % 未来各小区发生量 V=[39.3 90.3 36.9]; % 未来各小区吸引量 % [ res,o,d,m,T] = func_Average(od_now, U, V); % [ res,o,d,m,T] = func_Detroit(od_now, U, V); [ res,o,d,m,T] = func_Fratar(od_now, U, V);

倒数三行代码是用来调用函数的，想使用哪个方法，就去掉其前面的百分号注释，像现在就是在使用福莱特法。各种方法得到的 res 结果如下：

平均增长系数法测试结果

底特律法测试结果

福莱特法测试结果

除了底特律法外，其他结果和书中非常接近，应该是四舍五入的问题。底特律法的结果我猜测是书中的结果有误，因为我用计算器跟着书上的例子算了一遍，最后一步迭代的时候，书上算错了。

红框部分，用计算器按一下就知道结果不对。计算器的结果和我代码跑出来的结果对得上。

我原来的文章是用的王炜老师的第二版《交通规划》中的算例。可以发现这俩算例数据和步骤一模一样，底特律法结果同样是有问题的，可能是数字太多疏忽了吧。

【本文地址】

公司简介

联系我们