交通信息与安全
交通信息與安全
교통신식여안전
JOURNAL OF TRANSPORT INFORMATION AND SAFETY
2014年
4期
62-68
,共7页
交通信息%旅行时间预测%组合算法%城市干道%卡尔曼滤波%人工神经网络
交通信息%旅行時間預測%組閤算法%城市榦道%卡爾曼濾波%人工神經網絡
교통신식%여행시간예측%조합산법%성시간도%잡이만려파%인공신경망락
urban signalized arterial%travel time prediction%combinational algorithm%urban arterials%Kalman filter%artificial neural network
城市干道旅行时间预测是实时交通运营管理与交通诱导的核心问题之一,也是出行者的重要需求.文中分析了济南市经十路采集的真实数据,研究发现了交通需求和旅行时间在工作日和非工作日同时段具有较大差异、全天具有显著早晚高峰、以及工作日同时段具有相似性及波动性等特征.基于该类特性,分别改进了适用于周期性数据的卡尔曼滤波和波动性的人工神经网络2类预测模型.提出了组合预测算法,将基于历史同时段数据的卡尔曼滤波算法的预测值作为人工神经网络的输入变量,利用历史天和临近时刻的可用数据进行了预测.结果表明:在3.8 km的信号控制干道上,组合预测模型平均误差低于0.9 min,误差超过2 min的概率低于4％,其预测性能可满足实时的交通需求.
城市榦道旅行時間預測是實時交通運營管理與交通誘導的覈心問題之一,也是齣行者的重要需求.文中分析瞭濟南市經十路採集的真實數據,研究髮現瞭交通需求和旅行時間在工作日和非工作日同時段具有較大差異、全天具有顯著早晚高峰、以及工作日同時段具有相似性及波動性等特徵.基于該類特性,分彆改進瞭適用于週期性數據的卡爾曼濾波和波動性的人工神經網絡2類預測模型.提齣瞭組閤預測算法,將基于歷史同時段數據的卡爾曼濾波算法的預測值作為人工神經網絡的輸入變量,利用歷史天和臨近時刻的可用數據進行瞭預測.結果錶明:在3.8 km的信號控製榦道上,組閤預測模型平均誤差低于0.9 min,誤差超過2 min的概率低于4％,其預測性能可滿足實時的交通需求.
성시간도여행시간예측시실시교통운영관리여교통유도적핵심문제지일,야시출행자적중요수구.문중분석료제남시경십로채집적진실수거,연구발현료교통수구화여행시간재공작일화비공작일동시단구유교대차이、전천구유현저조만고봉、이급공작일동시단구유상사성급파동성등특정.기우해류특성,분별개진료괄용우주기성수거적잡이만려파화파동성적인공신경망락2류예측모형.제출료조합예측산법,장기우역사동시단수거적잡이만려파산법적예측치작위인공신경망락적수입변량,이용역사천화림근시각적가용수거진행료예측.결과표명:재3.8 km적신호공제간도상,조합예측모형평균오차저우0.9 min,오차초과2 min적개솔저우4％,기예측성능가만족실시적교통수구.
