[论文解读] Dynamic Origin-Destination Estimation Using Smart Card Data: An Entropy Maximisation Approach

Abderrahman Ait Ali, Jonas Eliasson|arXiv (Cornell University)|Sep 6, 2019

Human Mobility and Location-Based Analysis参考文献 16被引用 6

一句话总结

本文提出了一种仅使用智能卡进站数据的动态起讫（OD）估计模型，通过应用最大熵原理和拉格朗日松弛法。该方法准确估计了斯德哥尔摩通勤铁路网络的OD矩阵，结果与人工观测相当，且在引入额外数据和现实假设后进一步提升。

ABSTRACT

Problems of dynamic origin-destination (OD) estimation using smart card data can be modelled using entropy maximisation and solved for large networks using solution techniques such as Lagrangian relaxation. In this paper, we give an overview of the research literature about OD estimation. We show how entropy maximisation can be used to model this problem in case station-entry data from smart cards is the only available information, i.e. number of entries is known but not exits nor the flow between the stations. The large entropy maximisation program is solved using Lagrangian relaxation. The model is tested on a case study from the commuter train service in Stockholm with smart card entry-data from a working day in 2015. The results show that, given the entry-data, the entropy maximisation-based model and methods allows to find an OD-estimate that is as accurate as the reported estimates from manual observations. The estimates are further improved when using relevant assumptions and additional available data.

研究动机与目标

• 开发一种仅使用智能卡进站数据的动态OD估计模型，其中无法获取出站信息和流量数据。
• 应用最大熵原理，在给定约束条件下生成最可能的OD矩阵。
• 利用拉格朗日松弛法高效求解大规模优化问题。
• 在斯德哥尔摩通勤铁路系统的真实数据上验证该模型。
• 评估额外数据和假设对估计精度的影响。

提出的方法

• 将OD估计问题表述为在流量守恒和进站人数约束下的大规模最大熵优化问题。
• 使用拉格朗日松弛法将问题分解为可处理的子问题，以实现高效求解。
• 将车站进站人数作为观测数据，不提供任何关于出站或站间流量的信息。
• 应用该方法于基于斯德哥尔摩通勤铁路网络2015年智能卡数据的真实案例研究。
• 引入现实假设（如流量守恒、流量有界）以提升解的质量。
• 通过迭代求解对偶问题，收敛至接近最优的OD估计。

实验结果

研究问题

• RQ1 当仅拥有智能卡进站数据时，最大熵原理能否生成准确的OD估计？
• RQ2 拉格朗日松弛法在从不完整数据中求解大规模动态OD估计问题方面效果如何？
• RQ3 额外数据和假设在多大程度上提升了OD估计的精度？
• RQ4 该模型的性能与人工观测的OD矩阵相比如何？
• RQ5 数据稀疏性和缺失出站信息对估计可靠性有何影响？

主要发现

• 尽管仅使用进站数据，最大熵模型生成的OD估计精度与人工观测的OD矩阵相当。
• 拉格朗日松弛法的应用使得在真实网络规模下高效求解大规模优化问题成为可能。
• 引入现实假设和额外数据可显著提升估计精度。
• 该模型在具有不完整数据的真实通勤铁路网络中表现出鲁棒性和可扩展性。
• 结果证实，仅通过最少的智能卡数据，结合信息论原理，即可推断出动态OD模式的可行性。
• 该方法为公共交通需求估计提供了一种可行的替代人工数据收集的方案。