基于數(shù)據(jù)融合的城市道路行程時間預測模型研究.pdf

1、道路行程時間是反映道路交通狀況的重要指標。一方面，在現(xiàn)實情境中，由于交通需求在一天當中變化很大，使得道路網(wǎng)絡交通流的時空分布規(guī)律具有時變特性，從而導致道路路段行駛時間很大程度上依賴于交通負荷的變化。因此，準確的路段行程時間動態(tài)預測，是交通誘導系統(tǒng)、交通信息服務系統(tǒng)以及交通協(xié)調控制系統(tǒng)的重要基礎;另一方面，由于道路交通流運行的高度復雜性、隨機性和不確定性，傳統(tǒng)的基于檢測線圈的路段行程時間預測方法、基于GPS浮動車的路段行程時間預測方法等單

2、一方法一直未能取得令人滿意的預測效果，這在一定程度上影響了道路交通控制以及道路交通誘導的效果。鑒于以上預測方法的優(yōu)缺點及其互補性，本文在多源數(shù)據(jù)融合方法基礎上，采用改進的BP神經(jīng)網(wǎng)絡圍繞基于數(shù)據(jù)融合的城市道路行程時間預測方法開展了相關探索性研究工作，以期進一步提高道路行程時間預測的準確性。
　　首先，針對固定檢測器和GPS浮動車獲取的道路交通參數(shù)中存在數(shù)據(jù)異常和丟失等問題，本文提出了基于相鄰時段數(shù)據(jù)平均值法的故障數(shù)據(jù)修復改進方法。

3、改進后的方法能夠較好地修復故障數(shù)據(jù)，從而提高數(shù)據(jù)的質量。
　　其次，針對多輛GPS浮動車數(shù)據(jù)進行道路行程時間預測過程中存在浮動車在道路上駛過的距離長度不等問題，本文提出了自適應權重系數(shù)線性加權融合方法，用于多輛GPS浮動車數(shù)據(jù)的道路行程時間預測。
　　最后，針對單類型檢測器數(shù)據(jù)存在道路行程時間預測不準確問題，本文提出采用改進的BP神經(jīng)網(wǎng)路對兩種檢測器獲取的道路行程時間數(shù)據(jù)進行融合，從而建立基于數(shù)據(jù)融合的道路行程時間預測模型。