基于數(shù)據(jù)驅(qū)動(dòng)的路段旅行時(shí)間估計(jì)與預(yù)測(cè)研究.pdf

1、路段旅行時(shí)間作為一個(gè)重要的交通變量，對(duì)于交通分析和交通控制起到?jīng)Q定性的作用。準(zhǔn)確的估計(jì)與預(yù)測(cè)路段旅行時(shí)間是實(shí)現(xiàn)交通控制與管理和交通誘導(dǎo)的前提，其對(duì)于緩解道路擁堵，避免社會(huì)資源浪費(fèi)，減少環(huán)境污染，降低經(jīng)濟(jì)損失等具有重要意義。
　　隨著交通智能化與信息化的推進(jìn)，海量交通數(shù)據(jù)的記錄、存儲(chǔ)及提取已不再是一個(gè)難題，對(duì)于海量的數(shù)據(jù)，基于模型的方法估計(jì)與預(yù)測(cè)路段旅行時(shí)間會(huì)面臨參數(shù)過(guò)多、模型結(jié)構(gòu)過(guò)于復(fù)雜，預(yù)測(cè)精度低等問(wèn)題，而基于數(shù)據(jù)驅(qū)動(dòng)的方法，無(wú)

2、需建立模型，僅需尋找數(shù)據(jù)間的內(nèi)在聯(lián)系機(jī)制即可，預(yù)測(cè)較為簡(jiǎn)單高效。本文即利用數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行旅行時(shí)間估計(jì)與預(yù)測(cè)。
　　本文以城市快速路為研究對(duì)象，以北京市北四環(huán)一路段為例進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的路段旅行時(shí)間估計(jì)與預(yù)測(cè)研究。本文首先通過(guò)仿真獲得車輛軌跡數(shù)據(jù)，進(jìn)而模擬現(xiàn)實(shí)中浮動(dòng)車信息采集場(chǎng)景獲取基于仿真的浮動(dòng)車數(shù)據(jù)，然后運(yùn)用遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)對(duì)模擬的浮動(dòng)車數(shù)據(jù)進(jìn)行旅行時(shí)間估計(jì)，由于仿真的采樣間隔小，可直接將路段起始點(diǎn)和終止點(diǎn)的時(shí)刻做差獲得真

3、實(shí)的路段旅行時(shí)間，將路段旅行時(shí)間的估計(jì)值與真實(shí)值進(jìn)行比較，驗(yàn)證基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)進(jìn)行路段旅行時(shí)間估計(jì)可靠性強(qiáng)。然后提取目標(biāo)路段的真實(shí)GPS數(shù)據(jù)，將真實(shí)GPS數(shù)據(jù)帶入已驗(yàn)證的神經(jīng)網(wǎng)絡(luò)模型，對(duì)實(shí)際的GPS數(shù)據(jù)進(jìn)行路段旅行時(shí)間估計(jì)，得到GPS浮動(dòng)車數(shù)據(jù)的路段旅行時(shí)間估計(jì)值。
　　在其基礎(chǔ)上，建立歷史數(shù)據(jù)庫(kù)，分別運(yùn)用非參數(shù)回歸和基于非線性擬合的非參數(shù)回歸對(duì)GPS浮動(dòng)車數(shù)據(jù)進(jìn)行路段旅行時(shí)間預(yù)測(cè)，其中，分別將時(shí)間、路段平均速度及時(shí)間和