基于Fuzzy回归的快速路行程时间预测模型研究

行程时间预测是交通流诱导系统和交通控制系统研究的一项重要内容。在分析各种行程时间预测方法的基础上,本文提出了基于Fuzzy回归的快速路行程时间预测模型,利用深圳市的交通实测数据对行程时间进行了预测分析。     

基于道路使用者的城市路网动态行程时间可靠度

为了解决目前对行程时间可靠度的研究几乎都是从道路管理者角度出发的问题,考虑路网随机变化对道路使用者的影响,首先从道路使用者的角度以及行程时间分布的2个维度提出了动态行程时间可靠度的概念,进而分析了其时空变化特性.其次基于日变可靠度并假设行程时间及其规定阈值服从正态分布,根据其概率密度分布函数分析了可靠度影响因素,并提出了行程时间可靠度指标.然后运用该指标推算出了路段和路径行程时间可靠度,计算并分析了路网动态行程时间可靠度.最后在一个测试路网上采用3种方法分别计算了路径行程时间可靠度.结果表明,传统计算方法存在缺陷,而提出的可靠度指标法与Monte Carlo法的结果基本相同,也因此验证了该方法的正确性.     

基于联合卡尔曼滤波器的交通信息融合算法研究

基于现有的研究方法,提出了一种基于联合卡尔曼滤波器的交通信息融合算法。首先利用浮动车的覆盖率和浮动车的历史平均行程时间来修正浮动车的平均行程时间估计值,用于浮动车覆盖率不满足最小覆盖率时的路段平均行程时间估计;利用路段上浮动车的覆盖率来确定联合卡尔曼滤波器的融合系数;利用联合卡尔曼滤波器对固定型检测器的平均行程时间估计和浮动车的平均行程时间估计进行信息融合,得到路段的平均行程时间估计。该融合方法计算量小,融合时间快,有利于实际应用。试验结果表明,该方法提高了区间平均行程时间估计的精度。     

考虑不同出口转向的城市道路行程时间估计

为了有效利用城市道路行程时间数据,提高道路交通状态预测精度,提出了一种考虑交叉口不同出口转向的行程时间估算方法。针对现有行程时间计算模型存在忽略交叉口不同出口转向交通运行状况不均衡性的现象,提出了交叉口上下游出口转向的概念,通过融合定点检测器和探测车数据,在原有累积直方图模型的基础上建立了交叉口不同出口转向的行程时间累积直方图模型。最后以香江路为例进行数据分析,验证了模型的有效性和准确性。研究结果表明:新模型得到的行程时间计算值与视频检测设备获取的实测值相比误差在10%左右,且相对纯探测车方法预测精度更高,说明考虑不同出口转向的城市道路行程时间估计模型可行。     

最小二乘拟合法确定行程时间

根据数值计算方法的研究成果,提出了一种新的行程时间确定方法——最小二乘拟合法,即利用最小二乘拟合原理,以两调查地点的流量偏差平方和最小为目标来确定两调查地点间的行程时间。利用北京快速路系统调查数据检验了该方法的实际效果,分析了该方法的适用性:该方法适用于交通流比较稳定或者变化比较均匀的状态。最后在综合对比分析各种行程时间调查方法的基础上,对定点调查确定行程时间应采取的方法给出了具体的建议。     

基于实时交通信息的行程时间估算及路径选择分析

路段行程时间的估计和预测是诱导系统的关键技术之一。由于路网参数不断变化,路段行程时间的估计必须满足实时性的要求。以城市交通控制系统的基本设施为基础,根据我国城市交通目前的发展状况,分析了影响路段行程时间的各种因素和路段行程时间的组成。利用设置在路段上的车辆自动检测装置搜集到的实时交通流信息,并结合随机服务系统的相关理论建立了城市道路路段行程时间的动态计算模型,提出了一种具有真实最短路径意义的实时动态最短路径选择的方法。     

考虑行程时间波动性的城市道路阻抗函数模型

在对国内外研究现状进行总结的基础上,利用路段行程时间标准差和均值的比值构造行程时间波动性,提出利用行程时间波动性建立道路阻抗函数模型。在计算行程时间波动性时,同时考虑了机动车和非机动车对行程时间波动性的影响,采用最大似然估计法对行程时间波动性阻抗函数模型参数进行估计。文尾进行了实例分析,在确定各个路段行程时间波动性的基础上,采用dijstra算法确定最短路径,最后利用全有全无方法进行交通分配。     

基于车牌自动识别系统的城市道路行程时间预测算法

基于车牌自动识别系统采集的实时行程时间数据，提出了一种实用的行程时间预测算法。面对城市道路交通流较为复杂的现状，通过界定预测状态，选择了可靠的预测策略，针对采样量足够、采样量不足、部分采集设备故障3种情况，提出了应对算法方案。结合实际调查的数据进行了实例分析。结果表明，该算法具有良好的预测效果。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据，基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素，选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据，选取3 000组实际运行数据完成公交行程时间预测模型的训练，另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间，预测值平均相对误差为3.23%，绝对误差集中在8 s左右，明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型，可认为选择RFID电子车牌数据作为组合模型的输入，能够明显改善模型预测精度；组合模型预测值的残差分布更为集中、鲁棒性较好，泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标，结果进一步表明，组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

城市交通流诱导系统中的路段行程时间间接预测方法研究

在阐述综合路段行程时间间接预测模型思想的基础上，提出了基于排队论及基于交通模拟的行程时间间接预测模型，并按照人工调查数据验证模型的精度，给出了相对误差图，以说明模型算法的有效性。