短时路段行程时间分布预测方法研究

doi:10.3969/j.issn.1674-0696.2015.02.23

重庆交通大学学报（自然科学版） ›› 2015, Vol. 34 ›› Issue (2): 108-111.DOI: 10.3969/j.issn.1674-0696.2015.02.23

短时路段行程时间分布预测方法研究

刘妍

长春师范大学计算机科学与技术学院，吉林长春 130032

收稿日期:2013-12-15 修回日期:2014-01-08 出版日期:2015-04-15 发布日期:2015-06-01
作者简介:刘妍(1978-)，女，吉林长春人，讲师，博士，主要从事智能交通与计算机应用方面的研究。E-mail:liuy78@126.com。
基金资助:
吉林省教育厅"十二五"科学技术研究(吉教科合字［2013］第261号);长春师范大学自然科学基金项目(长师大自科合字［2014］第004号)

Prediction Research on Travel-Time Distribution of Short-Term Path

Liu Yan

School of Computer Science & Technology, Changchun Normal University, Changchun 130032, Jilin, China

Received:2013-12-15 Revised:2014-01-08 Online:2015-04-15 Published:2015-06-01

摘要/Abstract

摘要： 为有效利用历史路段行程时间数据，提高短时路段行程时间分布估计精度，提出了一种自适应数据融合方法。通过分析历史行程时间数据与实时行程时间数据间的关系，构建了二者间的映射模型，有效地将非精确对应下的数据区间映射为精确对应状态，并根据所建非线性模型得到预测数据分布，极大地提高了行程时间分布的预测精度。考虑时间延迟等因素，采用DYNASMART仿真软件对所提出的方法进行了模拟验证。结果表明:随着采集步长的增加，应用自适应数据融合方法得到的短时行程时间预测分布与随时间变化的实际行程时间分布状态保持一致，这有效保障了数据预测的质量，为智能交通管控策略的制定提供可靠的依据。

关键词: 交通工程, 路段行程时间, 分布, 预测方法, 自适应

Abstract: In order to effectively use historical travel-time data and improve the travel-time distribution estimation precision of short-term road section, an adaptive data fusion method was proposed. By analyzing the relationship between historical travel-time data and real-time travel time data, a mapping mode of the two ways was constructed. The mode can effectively make the data interval of inaccurate corresponding state map to accurate corresponding state and greatly improve the prediction precision of the travel-time distribution. With consideration of factors such as time delay, DYNASMART simulation software was used to analyze the proposed method in the experiment. The results show that with acquisition step length increasing, the short-term travel-time prediction distribution obtained from the adaptive data fusion model is consistent with the actual travel-time distribution, which effectively ensures the quality of prediction data and provides a reliable basis for the establishment of intelligent traffic control strategy for the future.

Key words: traffic engineering, path travel-time, distribution, prediction method, self-adaption

中图分类号:

U 491

刘妍. 短时路段行程时间分布预测方法研究[J]. 重庆交通大学学报（自然科学版）, 2015, 34(2): 108-111.

Liu Yan. Prediction Research on Travel-Time Distribution of Short-Term Path[J]. Journal of Chongqing Jiaotong University(Natural Science), 2015, 34(2): 108-111.

参考文献

[1] Xiang Fei,Lu Changcheng,Liu Ke.A Bayesian dynamic linear model approach for real-time short-term freeway travel time prediction[J].Transportation Research:Part C,2011,19 (6):1306-1318.
[2] 杨兆升,高学英,林赐云,等.基于路段下游检测线圈的路段行程时间估计[J].北京工业大学学报,2010,36(6):790-795.
Yang Zhaosheng,Gao Xueying,Lin Ciyun,et al.Estimation of travel time based on downstream loop detector of road section[J].Journal of Beijing University of Technology,2010,36(6):790-795.
[3] Hollander Y,Liu R.Estimation of the distribution of travel times by repeated simulation[J].Transportation Research:Part C,2008,16 (2):212-231.
[4] Van Lint,J W C,Van Zuylen,et al.Travel time unreliability on freeways:Why measures based on variance tell only half the story[J].Transportation Research Part A:Policy and Practice,2008,42 (1):258-277.
[5] Kaparias I,Bell M G H,Belzener H.A new measure of travel time reliability for in-vehicle navigation systems[J].Journal of Intelligent Transportation Systems,2008,12 (4):202-211.
[6] 杨兆升,高学英.基于影响因素分类的路段行程时间融合研究[J].公路交通科技,2010,27(4):116-121.
Yang Zhaosheng,Gao Xueying.Research on travel time fusion based on influencing factors classification[J].Journal of Highway and Transportation Research and Development,2010,27(4):116-121.
[7] 张和生,张毅,胡东成.路段平均行程时间估计方法[J].交通运输工程学报,2008,8(1) :89- 96.
Zhang Hesheng,Zhang Yi,Hu Dongcheng.Estimation method of average travel time for road sections[J].Journal of Traffic and Transportation Engineering,2008,8 (1):89- 96.
[8] Tam M L,Lam W H K.Real-time travel time estimation using automatic vehicle identification data in Hong Kong[J].Lecture Notes in Computer Science,2007,44(13):352-361.
[9] Emst J M,Krogmeier,James V,et al.Comparison framework for the evaluation of travel time distribution estimates[C].Anchorage,AK,USA:IEEE Conference on Intelligent Transportation Systems,ITSC,2012:564-569.
[10]Dailey D J.Travel-time estimation using cross-correlation techniques [J].Transportation Research Part B,1993,27(2):97-107.
[11]Taylor M A P,Somenahalli S.Travel time reliability and the bimodal travel time distribution for an arterial road[J].Road and Transport Research,2010,19(4):37-50.

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[4]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[7]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[8]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[9]	何丽红1,2,温仙仙1,2,侯艺桐1,2,邓稳1,2. 阴离子乳化沥青粒径大小及分布影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 99-104.
[10]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[11]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[12]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[13]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[14]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[15]	贺玉龙1,2，刘磊1,2，迟佳欣1,2. 高速公路车辆换道行为风险研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 26-33.

短时路段行程时间分布预测方法研究

Prediction Research on Travel-Time Distribution of Short-Term Path

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics