-
题名基于数据融合技术的路段出行时间预测方法
被引量：9
- 1
-
-
作者
刘红红
杨兆升
-
机构
吉林大学交通学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2008年第6期88-92,共5页
-
基金
国家863计划项目(2007AA12Z242)
-
文摘
为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。
-
关键词
智能交通系统
路段出行时间预测
自适应卡尔曼滤波
数据融合
-
Keywords
intelligent transportation system
link travel time estimation
adaptive Kalman filter
data fusion
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
-
题名基于模糊神经网络的实时路段行程时间估计
被引量：5
- 2
-
-
作者
初连禹
杨兆升
-
机构
吉林工业大学交通学院
-
出处
《系统工程理论与实践》
EI
CSCD
北大核心
2000年第11期111-116,124,共7页
-
基金
国家自然科学基金(79870045)
-
文摘
基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .
-
关键词
交通流
模糊神经网络
段路行程时间
估计
-
Keywords
traffic flow characteristics
fuzzy neural network
link travel time estimation
-
分类号
U491.112
[交通运输工程—交通运输规划与管理]
-
-
题名路段行程时间估计的浮动车数据挖掘方法
被引量：5
- 3
-
-
作者
李慧兵
杨晓光
罗莉华
-
机构
上海海事大学交通运输学院
同济大学交通运输工程学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2014年第6期100-109,116,共11页
-
基金
国家自然科学基金项目(61304203)
上海市科研计划项目(12ZR1444800)
-
文摘
基于浮动车数据,提出一种信号配时信息缺失下的路段行程时间估计方法,由交叉口范围动态划分、路段影响范围划分、浮动车数据提取与路段行程时间估计4个模块组成,每个模块的实现均需借助于前一模块的输出。根据交叉口信号控制下的车辆行驶状态,在交叉口范围动态划分与路段影响范围划分2个模块中,利用密度法将单元路段划分为不同区域。根据路段行程时间估计原理,利用浮动车数据提取模块过滤掉受信号控制影响较大的浮动车数据,提取路段行程时间估计的目标数据。利用路段行程时间估计模块挖掘历史浮动车数据,根据浮动车目标数据点存在区域的不同,将浮动车数据分为3类,并对不同类型数据采取相应的断面通过时刻估计方法,建立基于不同数据条件下的行程时间估计模型。利用VISSIM软件对路段行程时间估计方法进行仿真验证,并与直接法和间接法进行对比分析。分析结果表明:对于粗粒度浮动车数据,路段行程时间估计方法的平均绝对误差和平均相对误差分别为12s和8.67%,优于传统的直接法与间接法。
-
关键词
智能交通系统
路段行程时间估计
浮动车数据
信号配时
粗粒度数据
-
Keywords
intelligent transportation system
link travel time estimation
floating car data
signal timing
coarse-grained data
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-
-
题名基于少量探测车的城市路段平均行程时间估计
- 4
-
-
作者
李强
葛乾
缪立新
-
机构
清华大学深圳研究生院
-
出处
《交通信息与安全》
2012年第3期46-51,共6页
-
基金
国家自然科学基金项目(批准号:50808108)资助
-
文摘
与传统的固定式采集系统(感应线圈等)比较,探测车系统具有直接采集行程时间、时空覆盖范围广等优点。研究少量探测车情况下的路段行程时间估计问题对降低探测车系统的运营费用具有重要意义。在发现停车组和非停车组的行程时间均值、非停车组所占百分比等3个参数之间关联关系的基础上,提出了在极小样本情况下估计城市路段平均行程时间的方法。基于微观交通仿真的比较分析显示,该方法优于通过样本均值估计平均路段行程时间的方法,特别是当交通状况处于拥挤情况下其优势更为明显。
-
关键词
路段行程时间估计
城市道路
探测车
交通状况
-
Keywords
link travel time estimation
urban road
probe vehicle
traffic condition
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-
