| 降雨条件下高速公路短时行程时间预测研究 |
| |
| 引用本文： | 李萌, 谷远利, 王硕, 陆文琦, 张源. 降雨条件下高速公路短时行程时间预测研究[J]. 交通信息与安全, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013 |
| |
| 作者姓名： | 李萌 谷远利 王硕 陆文琦 张源 |
| |
| 作者单位： | 北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京100044;北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京100044;北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京100044;北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京100044;北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京100044 |
| |
| 基金项目： | 交通运输部交通建设科技项目 |
| |
| 摘 要： | 为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.
|
| 关 键 词： | 交通工程 行程时间预测 径向基函数神经网络 K最近邻非参数回归 组合预测 降雨 |
A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions |
| |
| LI Meng, GU Yuanli, WANG Shuo, LU Wenqi, ZHANG Yuan. A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions[J]. Journal of Transport Information and Safety, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013 |
| |
| Authors: | LI Meng GU Yuanli WANG Shuo LU Wenqi ZHANG Yuan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载免费的PDF全文 |
|
