基于多源 its数据的行程时间预测体系框架及核心技术

《基于多源 its数据的行程时间预测体系框架及核心技术》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第４１卷第１期东南大学学报（自然科学版）Ｖｏｌ．４１Ｎｏ．１２０１１年１月ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｊａｎ．２０１１ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１１．０１．０３９基于多源ＩＴＳ数据的行程时间预测体系框架及核心技术聂庆慧夏井新张韦华（东南大学教育部智能运输系统工程研究中心，南京２１００９６）摘要：针对当前城市道路行程时间预测系统性不强等问题，构建基于多源数据的行程时间预测体系框架，阐述预测过程涉及的关键技术．框架的构建以固定式和移动式２类采集方式获得的

2、交通数据为出发点，将预测过程划分为估计和预测两个阶段．提出固定式采集方式获取的速度数据用于行程时间的间接估计和预测的关键技术为空间平均速度的估计；移动式采集方式获得的行程时间数据用于行程时间的直接估计和预测的关键技术为浮动车最优样本量的确定．考虑单一数据源估计和预测精度不高，提出对２类数据源的估计和预测结果进行数据融合，以提高估计和预测的精度，同时引入ＧＡＲＣＨ模型来分析预测结果的可靠性，以提高预测结果的可信度．关键词：行程时间；体系框架；预测；数据融合；可靠性分析中图分类号：Ｕ４９１文献标志码：Ａ文章编号：１００１－０５０５（２０１１）０１０１９９０６

3、ＦｒａｍｅｗｏｒｋａｎｄｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒｔｒａｖｅｌｔｉｍｅｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｍｕｌｔｉｐｌｅＩＴＳｄａｔａｓｏｕｒｃｅｓＮｉｅＱｉｎｇｈｕｉＸｉａＪｉｎｇｘｉｎＺｈａｎｇＷｅｉｈｕａ（ＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍＩｎｓｔｉｔｕｔｅ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｗｅａｋｌｙｓｙｓｔｅｍａｔｉｃｎｅｓｓｉｎｅｘｉｓｔｉｎｇｔｒａｖｅｌｔｉｍｅｐｒｅｄｉｃｔｉｏｎｓｔｕｄｉｅｓｏｆｕｒｂａｎｒｏａｄｗａ

4、ｙ，ａｆｒａｍｅｗｏｒｋｏｆｔｒａｖｅｌｔｉｍｅｐｒｅｄｉｃｔｉｏｎｉｓｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｉｎｖｏｌｖｅｄｋｅｙｔｅｃｈｎｉｑｕｅｓａｒｅｐｒｅｓｅｎｔｅｄ．Ｂａｓｅｄｏｎｔｈｅｔｗｏｔｙｐｅｓｏｆｔｒａｆｆｉｃｄａｔａｓｏｕｒｃｅｓｃｏｌｌｅｃｔｅｄｆｒｏｍｆｉｘｅｄｌｏｃａｔｉｏｎａｎｄｍｏｂｉｌｅｍｏｄｅｓ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｐｒｏｃｅｄｕｒｅｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｐｈａｓｅｓ，ｔｈｅｅｓｔｉｍａｔｉｏｎｐｈａｓｅａｎｄｔｈｅｐｒｅｄｉｃｔｉｏｎｐｈａｓｅ．Ｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓ，ｐｒｏｐｏｓｅｄｉｎ

5、ｔｈｉｓｐａｐｅｒ，ｏｆｅｓｔｉｍａｔｉｎｇａｎｄｐｒｅｄｉｃｔｉｎｇｔｒａｖｅｌｔｉｍｅｉｎｄｉｒｅｃｔｌｙｂｙｓｐｅｅｄｄａｔａｃｏｌｌｅｃｔｅｄｆｒｏｍｆｉｘｅｄｌｏｃａｔｉｏｎｍｏｄｅａｎｄｄｉｒｅｃｔｌｙｂｙｔｒａｖｅｌｔｉｍｅｄａｔａｃｏｌｌｅｃｔｅｄｆｒｏｍｍｏｂｉｌｅｍｏｄｅａｒｅａｖｅｒａｇｅｓｐａｃｅｓｐｅｅｄｅｓｔｉｍａｔｉｏｎａｎｄｆｌｏａｔｉｎｇｃａｒｓａｍｐｌｅｓｉｚｅｄｅｔｅｒｍｉｎａｔｉｏｎ．Ｃｏｎｓｉｄｅｒｉｎｇｌｏｗａｃｃｕｒａｃｙｏｆｅｓｔｉｍａｔｉｏｎａｎｄｐｒｅｄｉｃｔｉｏｎｆｒｏｍｓｉｎｇｌｅｄａｔａｓｏｕｒ

6、ｃｅ，ａｄａｔａｆｕｓｉｏｎｔｅｃｈｎｉｑｕｅｉｓｐｒｅｓｅｎｔｅｄｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｂｙｆｕｓｉｎｇｔｈｅｅｓｔｉｍａｔｅｄｏｒｐｒｅｄｉｃｔｅｄｔｒａｖｅｌｔｉｍｅｆｒｏｍｔｗｏｔｙｐｅｓｏｆｄａｔａｓｏｕｒｃｅｓ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅＧＡＲＣＨｍｏｄｅｌｉｓｉｎｔｒｏｄｕｃｅｄｔｏｇｕａｒａｎｔｅｅｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｔｒａｖｅｌｔｉｍｅｐｒｅｄｉｃｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｔｒａｖｅｌｔｉｍｅ；ｆｒａｍｅｗｏｒｋ；ｐｒｅｄｉｃｔｉｏｎ；ｄａｔａｆｕｓｉｏｎ；ｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓ先进的出行信

7、息系统与路径诱导系统是交通程时间预测开展了大量的研究工作．目前，我国的运营与管理的重要组成部分．行程时间作为其关键行程时间预测研究主要集中于城市道路，但是相关参数，能够为交通诱导方案的实施和出行信息的发研究还仅仅局限于基于单一数据源的行程时间预布提供数据参考．同时，行程时间也是交通状态判测，基于多源交通流数据融合的行程时间预测研究别最为重要的指标，是出行者做出出行决策最直观则相对较少．此外现有的行程时间预测方法和模型［１３］的依据．基于此，国外就高速公路及城市快速路行很多，但各方法和模型的应用相对独立，尚未收稿日期：２０１００７３０．作者简介：聂庆慧（１

8、９８６—），女，硕士生；夏井新（联系人），男，博士，