008240612s2023      us  |||||||||||||||c||eng  d
■001000016934799
■00520240214101655
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380327695
■035    ▼a(MiAaPQ)AAI30634888
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a385
■1001  ▼aWang,  Jingxing.
■24510▼aQuasi-Sparsity  Based  Origin-Destination  Demand  Estimation▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  Washington.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(131  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Ban,  Xuegang  Jeff.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aA  good  knowledge  of  the  Origin-Destination  (OD)  demand  matrix  has  been  always  important  in  various  transportation  applications,  including  simulation  studies,  transportation  planning,  traffic  operations  and  control,  and  etc.  For  a  large  real  network,  the  OD  demand  matrix  may  have  certain  quasi-sparsity  property,  i.e.,  the  majority  of  the  OD  pairs  have  small  demands  while  only  a  small  portion  of  OD  pairs  have  large  demands.  Inspired  by  Compressed  Sensing  technique,  this  dissertation  proposes  a  Quasi-Sparsity  Origin-Destination  (QSOD)  framework  to  explore  such  quasi-sparsity  property  of  large-scale  OD  demand  matrices.  Three  QSOD  models  (the  fixed-mapping  QSOD  model,  the  bi-level  QSOD  model,  and  the  distributionally  robust  QSOD  model)  are  established  under  such  QSOD  framework.  The  results  theoretically  and  numerically  demonstrate  that  under  certain  conditions  the  estimated  OD  demands  will  share  the  same  quasi-sparsity  with  the  prior  OD  demands,  and  the  estimated  demands  of  most  OD  pairs  (of  a  large-size  network)  will  be  equal  to  their  prior  values  or  zeros  (or  a  very  small  value).  Such  findings  provide  important  practical  insights  for  OD  estimation:  one  may  only  require  the  prior  OD  demands  can  capture  the  relative  magnitude  of  the  true  OD  demands  of  the  network,  which  makes  it  much  easier  to  prepare  prior  OD  matrix  in  practice.  The  comparison  between  QSOD  models  and  other  existing  OS  estimation  studies,  and  the  integration  of  multi-sourced  data  for  OD  estimation  under  the  QSOD  framework  are  also  discussed  in  this  study.
■590    ▼aSchool  code:  0250.
■650  4▼aTransportation.
■650  4▼aCivil  engineering.
■653    ▼aQuasi-sparsity  property
■653    ▼aTransportation  network
■653    ▼aOrigin-Destination
■690    ▼a0709
■690    ▼a0543
■690    ▼a0796
■71020▼aUniversity  of  Washington▼bCivil  and  Environmental  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16934799▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024