基于多源ITS數據的城市道路行程時間預測方法.pdf

1、行程時間作為出行者出行路徑選擇最為直觀的動態(tài)交通信息，是先進的出行信息系統與路徑誘導系統的關鍵參數，同時也是城市道路交通狀態(tài)的重要表征參數?；诖?，城市道路行程時間預測技術受到了廣泛的關注。然而目前的相關研究成果大多基于高速公路或城市快速道，對于交通流狀況更為復雜的城市道路行程時間預測研究還很匱乏，且少見基于多源智能運輸系統(ITS)數據融合的行程時間預測研究。針對目前我國城市道路多源ITS數據采集現狀，本文重點研究了城市道路路段行程時

2、間預測相關關鍵技術。
　　 城市道路路段行程時間估計的準確性是保證城市道路行程時間預測性能的基礎。論文在分析基于單一數據源城市道路行程時間估計方法的基礎上，改進了基于號牌匹配技術和基于微波車輛檢測器的行程時間估計方法。在此基礎上，考慮到多源ITS數據在城市道路行程時間估計方面的互補性，論文提出了基于Dempster-Shafer證據推理數據融合技術的城市道路行程時間數據融合估計方法。經過實際數據驗證，結果顯示本文所給出的基于多源

3、ITS數據融合的路段行程時間估計方法在性能上優(yōu)于基于單一數據源的路段行程時間估計方法。
　　 在分析行程時間預測方法現狀及城市道路動態(tài)交通流運行特征基礎上，論文基于城市道路路段行程時間融合估計數據，構建了基于自回歸移動平均模型(ARIMA，AutoregressiveIntegratedMovingAverageModel)的城市道路行程時間預測方法，即ARIMA(0，1，1)模型。行程時間預測方法性能評價結果顯示，4個研究路段