文档介绍：大数据在交通规划中的应用
一、基于公交IC卡和GPS数据的居民出行OD矩阵推导与应用
数据准备：公交卡数据：卡号、线路号、车辆号、刷卡时间
公交调度信息：线路号、车辆号、发车时刻、到达时刻
公交线路信息：线路号、线路长度、站点数、起点的数量比较集中于某一范围，即公交乘客从某一站点上车到达站点下车所途经站点数量为的概率明显较高，乘客下车人数明显较多。
同时，城市公交出行还受站点周边用地性质的影响。一般，周边用地性质为商业、教育、行政的公交站点要比普通站点具有较多的上下车人数，客流相对比较集中，说明该类站点具有明显高于其他类型站点的吸引力。
单个乘客出行链分析法
将公交乘客的单日全部出行作为一个以起讫点为连接点的完整环状出行链结构，以此理念为基础，对公交乘客单日刷卡数据的下车站点进行分析。基于乘客出行链的理念，在此有两个基本的假设条件乘客前一次出行的终点是其进行下一次出行的起点乘客当日最后一次出行的终点是其第一次出行的起点。
乘客闭合公交出行链
乘客不连续公交出行链
针对不闭合的出行链分为一次出行和多次出行。
一次出行是指当日公交乘客刷卡数据仅有一次，并未形成公交出行链。
多次出行是指乘客当日公交刷卡次数为两次以上，基本保障了公交乘客当日出行形成闭合出行链的可能性。
城市公交OD矩阵
城市公交站间矩阵是对公交卡原始数据进行过大量数据匹配处理之后而生成的，同时它仅仅代表了采用公交卡进行公交出行的群体。因此，需要对公交站间矩阵进行扩样。此外，还需将站间矩阵转化为小区矩阵，从而保障与传统的城市交通规划以交通小区为基本单元的出行矩阵标识方式具有相同的基础。
城市公交OD出行矩阵校验
一般进行城市公交出行矩阵校验时，采用推算矩阵与实际矩阵对比分析的方法进行。常采用的指标主要有相对误差与相关系数。
二、基于***技术的交通分布OD研究
（1）传统OD调查
传统的OD调查有家庭访问法、路边询问法、表格调查法、电话询问法、登记车辆牌照法等。通过调查可W获得出行的起点、目的地、出行时间、出行距离、出行方式等详细的日常出行信息W及出行者的社会经济信息。随后将调查的信息进行统计分析得到0D量。一旦得到样本0D矩阵后，一般利用OD量除以采样率得到总体的OD矩阵，然而由于该方法采样率较低，一般为3%—5%，所得到的总体OD矩阵往往会有统计偏差。另一方面，进行一次全面的调查需要经过若干年，无法及时准确把握OD信息的变化。
（2）路段交通流量反推静态OD矩阵
利用路段交通量来估计0D矩阵的方法需要路段观测交通流量、先验OD矩阵、路径选择概率等，因此路径选择模型、先验0D矩阵确定、观测路段的选择都会对模型的精度产生影响。从理论上讲，由路段交通量推算0D分布量是交通分配的逆过程。
基本原理
从理论上说，-小从E 到
j区的（）1）址,"表示路段世的交通址P#&
插 K 1,…「雄 i,j =顷,枷（li
式中，刘•为调冒交通量的路段数目5为0 D量的交通分区数目.
路段交通量获取
根据上述原财本文提出一种简单可行的观测点布设方法 —— 逐步布点法，其基本思想是:首先将所有的。I）点