区域交通网络行程时间估计的半Markov链模型

发布时间：2018-02-15 12:42

  本文关键词： 区域交通网络 行程时间 随机过程 半Markov链　出处：《系统管理学报》2014年05期 　论文类型：期刊论文

【摘要】：利用模糊聚类分析及典型判别方法,将区域交通网络单元路段的状态划分为3类,考虑到各类交通状态下拥挤效应的异同,对各状态下的瞬时行程时间函数进行了标定。然后,对区域交通网络的状态进行了定义,应用半Markov链随机过程理论,分析了给定时间段内某区域交通网络各种状态的随机变化规律,计算了各种状态出现的极限概率。最后,结合各状态下网络单元路段的瞬时行程时间函数,给出了给定时间段内的区域交通网络行程时间估计方法。将模型估计得到的行程时间与实测行程时间进行了对比,利用t检验法对估计结果进行了检验,检验结果表明,在显著性水平α=0.05的条件下,估计平均行程时间与实测行程时间均值没有显著性差异。
[Abstract]:Based on the fuzzy clustering analysis and the typical distinguishing method , the state of the section of the traffic network unit in the area is divided into 3 classes , and the instantaneous travel time function in each state is calibrated in consideration of the similarities and differences of the congestion effect under various traffic conditions . The estimation results are compared by using the stochastic process theory of the half - Markov chain . Finally , the estimation results are checked by using the t - test method . The results show that the mean travel time is not significantly different from the actual measured travel time under the condition of significant level 伪 = 0.05 .

【作者单位】： 上海交通大学安泰经济与管理学院;
【基金】：国家自然科学基金资助项目(50978163)
【分类号】：U491.1

【参考文献】

相关期刊论文 前4条

1 杨兆升,保丽霞,朱国华;基于Fuzzy回归的快速路行程时间预测模型研究[J];公路交通科技;2004年03期

2 徐天东;孙立军;郝媛;;城市快速路实时交通状态估计和行程时间预测[J];同济大学学报(自然科学版);2008年10期

3 关伟;何蜀燕;;基于统计特性的城市快速路交通流状态划分[J];交通运输系统工程与信息;2007年05期

4 张娟;孙剑;;基于SVM的城市快速路行程时间预测研究[J];交通运输系统工程与信息;2011年02期

【共引文献】

相关期刊论文 前10条

1 张心哲;关伟;;城市快速路路段交通流状态评估方法[J];北京交通大学学报;2009年06期

2 杨兆升;高学英;林赐云;孙迪;;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年06期

3 翟雅峤;翁剑成;荣建;刘小明;;城市道路交通流检测数据精度评价[J];北京航空航天大学学报;2011年06期

4 金玉善;孙世豪;杨忍;张维杰;;运用谷歌地球的GPS手持系统的设计与开发[J];吉林大学学报(信息科学版);2011年06期

5 张文胜;殷倩;吴立新;徐磊;臧志刚;;基于模糊综合评判的动态路径行程时间预测模型[J];地理与地理信息科学;2006年04期

6 聂庆慧;夏井新;张韦华;;基于多源ITS数据的行程时间预测体系框架及核心技术[J];东南大学学报(自然科学版);2011年01期

7 张心哲;关伟;;基于Hough变换的交通流状态辨别方法[J];系统工程;2010年01期

8 杨兆升;王爽;马道松;;基础交通信息融合方法综述[J];公路交通科技;2006年03期

9 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年04期

10 王曦;祝付玲;;基于高斯混合分布的交通拥堵评价模型[J];公路交通科技;2011年02期

相关会议论文 前8条

1 陈宁;;基于模糊C均值聚类的路段平均行程时间估计方法[A];第二十九届中国控制会议论文集[C];2010年

2 ;A Two-phase BP Neural Network Method to Predict Average Delay of Signalized Intersection Under Multi-saturation Traffic States[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 周里捷;林正;马云;熊桂喜;;BRT乘客信息服务的研究与实现[A];2008第四届中国智能交通年会论文集[C];2008年

4 林正;罗大明;谢燕琴;熊桂喜;;BRT动态调度技术的研究[A];2008第四届中国智能交通年会论文集[C];2008年

5 龚珊;尹相勇;朱爱华;;基于浮动车的路段行程时间卡尔曼滤波预测算法[A];2008第四届中国智能交通年会论文集[C];2008年

6 崔青华;聂庆慧;;基于多源交通数据可靠性的行程时间短时预测[A];2014第九届中国智能交通年会优秀论文集[C];2014年

7 窦瑞;吴超腾;;考虑低速问题的浮动车数据道路行程车速估计[A];2014第九届中国智能交通年会大会论文集[C];2014年

8 杨义军;沈国江;祁照阁;杨永耀;;复杂路网特性下动态时间最短路径诱导算法研究[A];2014第九届中国智能交通年会大会论文集[C];2014年

相关博士学位论文 前10条

1 张勇;交通流的非线性分析、预测和控制[D];北京交通大学;2011年

2 郑贤清;基于交通录像资料的交通流参数测量和模型研究[D];复旦大学;2011年

3 廖孝勇;浮动车交通参数检测及在道路交通状态分析中的应用研究[D];重庆大学;2011年

4 杨庆芳;先进的交通管理系统关键理论与方法研究[D];吉林大学;2004年

5 赵韩涛;基于GIS-T的高速公路紧急救援系统构建及相关模型研究[D];吉林大学;2006年

6 计会凤;基于浮动车GPS数据的动态交通预测与诱导模型研究[D];辽宁工程技术大学;2009年

7 于悦;重大灾害条件下城市应急交通诱导系统关键技术研究[D];吉林大学;2010年

8 王新颖;基于网格的短时交通状态预测研究[D];吉林大学;2010年

9 靳引利;省域高速公路网交通诱导系统关键技术研究[D];长安大学;2009年

10 李健;结合部路网匝道系统结构分解与协同控制方法研究[D];北京交通大学;2012年

相关硕士学位论文 前4条

1 陈明夏;城市快速路匝道出入口交通流特性分析[D];福建农林大学;2013年

2 谢攀;山地城市互通式立交匝道连续分流通行能力研究[D];重庆交通大学;2013年

3 董辰昊;高架快速路驶出匝道与常规道路衔接模式及仿真研究[D];长安大学;2013年

4 陈志达;施工现场呈现系统研究与实现[D];华中科技大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 刘桂生;城市快速路系统规划设计[J];城市道桥与防洪;2000年01期

2 储浩;吴志周;杨晓光;;基于城市公交探测车数据的分析和处理方法[J];系统工程;2006年08期

3 杨兆升,保丽霞,朱国华;基于Fuzzy回归的快速路行程时间预测模型研究[J];公路交通科技;2004年03期

4 屠s，

本文编号：1513289