基于RFID数据的动态OD矩阵计算方法

赵晓晓

（江苏建筑职业技术学院 江苏省徐州市 221116）

OD 矩阵作为交通管理与控制的重要基础数据，反映了出行者对路网的需求，根据获取原理和技术手段的不同，可划分为四种类型：

（1）直接调查法，常见的有路边调查法、家访调查法、跟车调查法、明信片调查法、航拍法等。该方法需要消耗大量的人力、物力和财力，进行交通调查时，会扰乱正常交通的运行，且抽样率低，数据更新周期长。

（2）基于交通分布模型的OD 矩阵估计方法，该方法基于历史OD 矩阵，选用合适的交通分布模型来推算现状或未来的OD 矩阵，根据交通分布模型的特点，该方法可分为两种类型——类比法和综合法[1]，前者本质上属于增长系数法，通过反复更新迭代过程中的增长率，直至满足收敛条件，该方法原理简单，适用于交通网络比较稳定的短期预测，当路网环境发生较大的变化时，该方法效果不好；后者也称构造模型法，假定出行行为符合某种数学或物理模型，可用于交通网络有较大变化的长期研究，但计算的准确性受制于模型本身对社会现象的描述是否具有代表性。

（3）基于路段交通量的OD 矩阵反推方法，该方法利用容易获取的路段交通量数据，构建模型和算法，逆向推导OD 矩阵，根据研究周期的长短，可分为静态OD 矩阵反推方法（研究周期通常1d 以上）和动态OD 矩阵反推方法（研究周期较短，通常为10min～30min 之间）。

（4）基于数据采集设备的OD 矩阵计算方法，此类方法利用现代化交通信息检测技术，基于大数据计算，处理得到OD 矩阵，所使用的数据采集设备包括视频、浮动车、手机信息、IC 卡信息、RFID 等，计算得到的OD 矩阵精确程度受制于数据采集设备本身，通常还需要对计算结果进行优化处理。

笔者对第四种类型中RFID 交通数据采集原理进行分析，在动态OD 矩阵定义的基础上，提出基于RFID 的动态OD 矩阵计算方法，并选取南京市某路网进行实例计算与分析。

1 RFID交通数据采集原理

RFID 系统的核心部分一般由阅读器、天线、电子标签和数据管理中心组成，其组成结构如图1所示[2]。电子标签安装于车辆表面，安装于路侧的读写器可以读取电子标签中存储的信息，电子标签与读写器之间的通信通过天线完成，读写器可对接收到的信号进行解调和解码，最后将信息传送给数据管理中心，所传送的信息包含基站编号、采集点位、采集时间、行车方向、车牌信息、车型、环保等级等[3]。

2 动态OD矩阵定义

令OD 矩阵中的元素drt表示t 时间段内从OD 对r 出发的交通需求量，如图2所示。

图1：RFID 系统结构图

图2：t 时段内路网上可观测到的OD 出行的四种情况

图3：目标路网及RFID 基站情况

图中，箭头的起点表示出行从OD 对起点出发的时刻，箭头的终点表示出行抵达OD 对讫点的时刻，则对于OD 对r，图中的四种情况分别为：①在t 时段之前从起点出发，t 时段之后抵达讫点的出行；②在t 时段之前从起点出发，t 时段内抵达讫点的出行；③在t 时段内从起点出发，t 时段之后抵达讫点的出行；④在t 时段内从起点出发，t 时段内抵达讫点的出行。drt包含情况③和④，情况①和②根据其出发时段，划分到drt-1、drt-2......中[4]。

表1：2014年3月6日7:00～7:20 的OD 矩阵表

表2：2014年3月6日7:00～7:20 与对比表

表2：2014年3月6日7:00～7:20 与对比表

注：表中（6153，6248，6321，6147，6436，6326，6254，6286）均为起点i 的基站编号

7:00～7:20Oivivi ⁄Oi 61532064402.14 62483495011.44 63212555142.02 61471092202.02 64361502301.53 63261403292.35 62541922481.29 62861362912.14

3 基于RFID的动态OD矩阵计算方法

基于数据库软件，drt的计算方法如下：

Step 1：确定研究范围

包括起讫点基站、研究时间范围[T0,T]、时间汇集度k、最大影响时段数p；

Step 2：组建起点基站临时表

查询[T0,T0+k]时段内起点基站的RFID 数据，存入临时表1；

Step 3：组建讫点基站临时表

查询[T0,T0+pk]时段内讫点基站的RFID 数据，存入临时表2；

Step 4：匹配临时表1 和2 内RFID 数据中的车牌信息，将匹配成功的数据存入临时表3，计算数据量，即为drt，t 对应时间段[T0,T0+k]

Step 5：令T0=T0+k，重复Step 2～ Step 5，直至T0+k ≥T，终止循环

4 实例分析

如图3所示，以南京市某路网为研究对象，起点基站为6153、6248、6321、6147、6436、6326、6254、6286，讫点基站为6152、6249、6322、6325、6253、6285。选取研究时间范围为2014.3.1～2014.4.30 每天早高峰7：00～9：00。根据路网大小，取时间汇集度k 为20min、最大影响时段数p 为3，即假定[T0,T0+20]内的所有出行，均可在[T0,T0+20×3]时段内完成。按照本文所提供的方法，可计算并汇总得到61 天共366 个OD 矩阵表，其中一组的结果如表1所示。

对计算结果进行准确度分析如下：

表1 中每行数据之和表示2014年3月6日7:00～7:20 从起点基站出发，去往各讫点基站的出行量之和，理想情况下（即路网中所有车辆都贴有RFID 标签，检测精度为100%，且路网所有出入口均有基站覆盖）该数值应与起点基站所处位置对应时段的路段交通量相等，其中路段交通量选用线圈数据（因线圈数据的精度很高，故可当作真实情况），则上述关系用公式表示如下：

式中，

i——OD 对的起点；

j——OD 对的讫点；

对所有OD 矩阵表进行验算，部分计算结果如表2所示。

可以发现，Oi的数值明显小于vi，表明利用RFID 数据计算得到的结果在数值上与真实情况有较大差异，分析原因，可能在于RFID 基站和电子标签的覆盖率不够，检测精度不高；计算vi与Oi的相关系数ρ，得到ρ=0.8，计算结果与真实情况具有较高的正相关性，表明两者在趋势上是一致的。

5 结语

本文基于RFID 采集数据，利用数据库计算动态OD 矩阵，同时对南京市某路网进行了实例计算，通过对比路段实际交通量，发现计算结果与真实情况具有趋势上的一致性，但数值大小上仍有差距，需提高RFID 基站及电子标签的覆盖率和检测精度，或设计合适的算法，对计算结果进行优化处理。