面向車載導(dǎo)航應(yīng)用的短時(shí)交通預(yù)測關(guān)鍵技術(shù)研究.pdf

1、近年來，伴隨著城市機(jī)動化水平的不斷提高和私人機(jī)動車保有量的迅速攀升，北京市城市交通需求持續(xù)增長，而城市土地資源、交通資源供給日趨緊張，道路供需矛盾突出。針對目前北京市道路交通的現(xiàn)狀及存在的問題，尤其是面向2008年北京奧運(yùn)交通管理的需求，全面推進(jìn)以信息化和智能化為特征的智能交通應(yīng)用系統(tǒng)在城市交通管理和交通信息服務(wù)領(lǐng)域的廣泛應(yīng)用具有重要意義。 動態(tài)車載導(dǎo)航系統(tǒng)作為智能交通系統(tǒng)中面向出行者的重要應(yīng)用子系統(tǒng)，對于均衡路網(wǎng)交通流量，緩解

2、擁堵具有積極作用，而動態(tài)交通信息的采集、處理以及發(fā)布是發(fā)揮動態(tài)車載導(dǎo)航系功能的基礎(chǔ)，也是目前國內(nèi)自主車載導(dǎo)航系統(tǒng)突破發(fā)展瓶頸的根本途徑。 論文的研究依托北京市智能交通系統(tǒng)示范工程中交通誘導(dǎo)(車輛導(dǎo)航)系統(tǒng)技術(shù)與設(shè)備研究示范項(xiàng)目，研究工作以動態(tài)交通數(shù)據(jù)接入下的城市路網(wǎng)交通狀態(tài)預(yù)測和發(fā)布為目標(biāo)，緊密結(jié)合動態(tài)車載導(dǎo)航系統(tǒng)中交通信息處理的關(guān)鍵技術(shù)展開。研究具體涉及基于探測車的動態(tài)交通數(shù)據(jù)處理算法研究，多源歷史交通狀態(tài)數(shù)據(jù)處理方法研究以及

3、基于多源歷史趨勢數(shù)據(jù)庫的短時(shí)交通預(yù)測模型研究等內(nèi)容。 動態(tài)數(shù)據(jù)的采集是實(shí)現(xiàn)交通狀態(tài)短時(shí)預(yù)測的關(guān)鍵。論文研究和開發(fā)了基于GPS探測車信息采集試驗(yàn)系統(tǒng)(Floating Vehicle Data Collection System，F(xiàn)VDCS)；在此基礎(chǔ)上，重點(diǎn)研究了探測車系統(tǒng)回傳數(shù)據(jù)的處理技術(shù)。通過對探測車數(shù)據(jù)的全面分析，論文從交通工程學(xué)理論出發(fā)，提出了基于駐留時(shí)間估計(jì)的探測車數(shù)據(jù)處理算法，算法可以利用探測車回傳的坐標(biāo)數(shù)據(jù)獲得準(zhǔn)確

4、的城市路網(wǎng)區(qū)間速度信息。現(xiàn)場試驗(yàn)的結(jié)果顯示，數(shù)據(jù)處理算法的精度在90％以上。通過與現(xiàn)有其它算法的試驗(yàn)比較表明，本文所構(gòu)建的探測車數(shù)據(jù)處理算法具有更高的精度和良好的誤差穩(wěn)定性。 歷史交通數(shù)據(jù)的處理和準(zhǔn)備是實(shí)現(xiàn)交通狀態(tài)短時(shí)預(yù)測的重要基礎(chǔ)。論文深入而全面地探討了固定檢測器歷史數(shù)據(jù)和探測車歷史數(shù)據(jù)的處理方法體系，并對探測車采集的歷史交通狀態(tài)數(shù)據(jù)進(jìn)行了分類，提出了探測車數(shù)據(jù)的三階段應(yīng)用。論文從歷史數(shù)據(jù)所反映的交通特性分析出發(fā)，提出了數(shù)據(jù)系

5、列篩選、判別、修補(bǔ)等預(yù)處理技術(shù)，并基于啟發(fā)式軟閾值選擇的小波濾噪技術(shù)對歷史數(shù)據(jù)系列進(jìn)行了平穩(wěn)處理，利用基于系統(tǒng)聚類和K均值聚類的雙重聚類方法，實(shí)現(xiàn)了大量歷史數(shù)據(jù)系列的精簡。論文在完成了多源歷史數(shù)據(jù)系列處理的基礎(chǔ)上，根據(jù)數(shù)據(jù)的離差特征，建立了包含快速路和非快速路各類典型交通演變趨勢的歷史數(shù)據(jù)庫。在獲取實(shí)時(shí)交通信息和完成歷史趨勢數(shù)據(jù)庫構(gòu)建的基礎(chǔ)上，本文重點(diǎn)研究了動態(tài)車載導(dǎo)航系統(tǒng)的短時(shí)交通預(yù)測模型。論文從算法復(fù)雜度、算法效率、預(yù)測精度等角度，

6、對常用的短時(shí)交通預(yù)測理論進(jìn)行了分析和比較，確定以非參數(shù)回歸的基本理論作為短時(shí)預(yù)測模型的基礎(chǔ)。在動態(tài)交通數(shù)據(jù)和歷史典型趨勢數(shù)據(jù)庫的基礎(chǔ)上，研究對模型參量進(jìn)行了試驗(yàn)研究和標(biāo)定，構(gòu)建了基于多源歷史趨勢數(shù)據(jù)庫的K近鄰非參數(shù)回歸短時(shí)交通預(yù)測模型。最后，論文編寫了短時(shí)交通預(yù)測程序，并利用探測車采集的動態(tài)數(shù)據(jù)系列對預(yù)測模型的精度進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明預(yù)測精度達(dá)到90％以上。通過對基于不同歷史數(shù)據(jù)庫的預(yù)測算法性能比較試驗(yàn)也表明，多源數(shù)據(jù)可以進(jìn)一步提高

7、短時(shí)交通狀態(tài)預(yù)測的精度，改善算法的穩(wěn)定性。 但是，由于實(shí)時(shí)交通數(shù)據(jù)覆蓋有限，為了實(shí)現(xiàn)全路網(wǎng)的交通狀態(tài)預(yù)測，論文還提出了無動態(tài)交通數(shù)據(jù)支持下路段交通狀態(tài)的模糊預(yù)測技術(shù)。論文通過對現(xiàn)有歷史交通數(shù)據(jù)交通特性的分析，提出了以日期、周次和天氣狀況為基準(zhǔn)的北京市城市道路網(wǎng)絡(luò)的典型交通模式劃分標(biāo)準(zhǔn)，并在此基礎(chǔ)上，標(biāo)定了各類型道路在不同交通模式下的最大似然行程速度，建立了路網(wǎng)交通狀態(tài)的模糊預(yù)測模型。實(shí)現(xiàn)了無動態(tài)交通數(shù)據(jù)支持下的路段交通狀態(tài)模糊預(yù)