基于浮动车和固定检测器的路段行程时间预测方法研究

发布时间：2024-04-27 23:00

　　城市交通的日益恶化,使得人们对于交通信息准确性的要求越来越高,而浮动车技术已成为ITS系统获取交通数据重要手段,能够有效的弥补传统的交通数据采集技术的不足。基于浮动车技术的路段行程时间预测的相关研究可为ITS系统提供准确的行程时间预测信息,使其能够及时通过各种对策对交通进行疏导,提升交通系统的运行效率。本文以路段行程时间预测为核心,从浮动车数据预处理过程、基于浮动车数据和固定检测器的路段行程时间预测以及在行程时间预测基础上延伸研究的交通状态预测几个方面进行了研究,主要内容如下:首先,对于浮动车数据预处理过程中的数据修复和地图匹配阶段,对于浮动车数据修复阶段,提出一种综合运用历史数据和实时相邻时段交通流数据的数据修复方法;进而在地图匹配阶段,通过分析手工匹配情况下正确匹配点对所满足的分布特性,对距离和平均速度相似度特征分别利用指数分布进行拟合,提出基于距离和平均速度相似性特征的隐马尔可夫(HMM)地图匹配方法。通过对于浮动车数据预处理过程中数据修复和地图匹配过程的一系列改进,为利用浮动车数据进行行程时间预测提供了可靠的数据输入。其次,提出了一种基于固定检测器和浮动车的行程时间预测模型MS...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图3.8胜太西路某时刻匹配情况

图3.8胜太西路某时刻匹配情况次对3.3节所提出的地图匹配算法的匹配准确度进行了评估。评估过，首先取行驶在该目标路段的浮动车ID为16683的浮动车数据（数2节提出的方法进行数据修复，进而对得到的修复后的数据以40s、60160s的间隔进行重新采样，用来验....

图4.4仿真场景由于Movsim仿真平台可对所有的车辆获取行驶速度，为验证仿真目标，仿真通过在所有

本节通过交通仿真的手段研究了通过浮动车计算的平均速度在代表该路段平均速度时随浮动车占有率变化的规律。首先，在MovSim仿真平台中用下述的路网参数设置仿真环境：表4.2路网结构参数道路名称道路长度(m)车道数量路段数行驶方向R25100031自西向东表....

图5.1不同样本比率下目标函数迭代收敛情况

据集的平均密度来作为参考，即尽量将初始聚类中心点选择在样本密度对象的平均密度进行计算，再由核心对象的定义，确定核心对象集，然最大的对象选为初始聚类中心。对于较拥堵状态的初始聚类中心选择，拥堵状态是在所有样本的中间位置，因此待计算平均密度的样本对象范中心一定均等范围内的样本，且该对....

本文编号：3965827