基于數(shù)據驅動的路段旅行時間估計與預測研究.pdf

1、路段旅行時間作為一個重要的交通變量，對于交通分析和交通控制起到決定性的作用。準確的估計與預測路段旅行時間是實現(xiàn)交通控制與管理和交通誘導的前提，其對于緩解道路擁堵，避免社會資源浪費，減少環(huán)境污染，降低經濟損失等具有重要意義。
　　隨著交通智能化與信息化的推進，海量交通數(shù)據的記錄、存儲及提取已不再是一個難題，對于海量的數(shù)據，基于模型的方法估計與預測路段旅行時間會面臨參數(shù)過多、模型結構過于復雜，預測精度低等問題，而基于數(shù)據驅動的方法，無

2、需建立模型，僅需尋找數(shù)據間的內在聯(lián)系機制即可，預測較為簡單高效。本文即利用數(shù)據驅動的方法進行旅行時間估計與預測。
　　本文以城市快速路為研究對象，以北京市北四環(huán)一路段為例進行數(shù)據驅動的路段旅行時間估計與預測研究。本文首先通過仿真獲得車輛軌跡數(shù)據，進而模擬現(xiàn)實中浮動車信息采集場景獲取基于仿真的浮動車數(shù)據，然后運用遺傳算法優(yōu)化的神經網絡對模擬的浮動車數(shù)據進行旅行時間估計，由于仿真的采樣間隔小，可直接將路段起始點和終止點的時刻做差獲得真

3、實的路段旅行時間，將路段旅行時間的估計值與真實值進行比較，驗證基于遺傳算法優(yōu)化的神經網絡進行路段旅行時間估計可靠性強。然后提取目標路段的真實GPS數(shù)據，將真實GPS數(shù)據帶入已驗證的神經網絡模型，對實際的GPS數(shù)據進行路段旅行時間估計，得到GPS浮動車數(shù)據的路段旅行時間估計值。
　　在其基礎上，建立歷史數(shù)據庫，分別運用非參數(shù)回歸和基于非線性擬合的非參數(shù)回歸對GPS浮動車數(shù)據進行路段旅行時間預測，其中，分別將時間、路段平均速度及時間和