基于浮動車數(shù)據(jù)的城市快速路短時交通狀態(tài)預測的研究.pdf

1、城市道路短時交通狀態(tài)的預測，是實現(xiàn)未來路況查詢、車輛動態(tài)導航等智能交通系統(tǒng)技術的關鍵。
　　本文在分析基于浮動車數(shù)據(jù)的城市快速路交通流參數(shù)的時空相關性以及數(shù)據(jù)缺失狀況的基礎上，研究城市快速路的短時交通狀態(tài)預測方法。首先，在綜述交通狀態(tài)預測相關理論的基礎上，確定了本文通過預測交通流參數(shù)實現(xiàn)對交通狀態(tài)的短時預測的思想，考慮到目前我國城市中浮動車數(shù)據(jù)比較容易獲得的現(xiàn)實，選取了基于浮動車數(shù)據(jù)得到的交通流參數(shù)即行程速度，來表征快速路交通狀態(tài)

2、；其次，提出統(tǒng)計方法和K-mews分類法相結(jié)合的方法對缺失數(shù)據(jù)進行填充，由于浮動車數(shù)據(jù)在采集過程中不可避免地會有噪聲干擾，所以在補缺后利用小波變換對數(shù)據(jù)進行降噪處理以降低誤差；然后，在對路鏈行程速度的時空相關性進行分析的基礎上，結(jié)合交通流數(shù)據(jù)自身的特點以及各種交通狀態(tài)預測模型的優(yōu)缺點，分別構(gòu)建了基于時間維度、空間維度以及時空維度特征向量的BP神經(jīng)網(wǎng)絡模型。最后，使用北京市市區(qū)一條長約3.2公里快速路路段的浮動車數(shù)據(jù)對以上3種模型的精度進

3、行了檢驗。
　　結(jié)果表明，3種模型的預測精度良好，都能滿足短時交通狀態(tài)預測的要求。其中，基于時空維度的模型預測精度最高，對路段中參與模型構(gòu)建的路鏈精度達到了98.3％，對路段中未參與模型構(gòu)建的路鏈精度達到了93.64％；其次是基于時間維度的模型，對路段中參與模型構(gòu)建的路鏈精度達到了98.2％，對路段中未參與模型構(gòu)建的路鏈精度達到了92.84％；最后是基于空間維度的模型，對路段中參與模型構(gòu)建的路鏈精度達到了95％，對路段中未參與模型