多源数据融合的道路旅行时间估计方法研究.pdf

《多源数据融合的道路旅行时间估计方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第2期2014年2月公路交通科技JournalofHighwayandTransportationResearchandDevelopmentVoL31No．2Feb．2014doi：10．3969／j．issn．1002-0268．2014．02．017多源数据融合的道路旅行时间估计方法研究李瑞敏，陈熙怡(清华大学交通研究所，北京100084)摘要：旅行时间作为交通系统运行的关键参数，可以为交通诱导系统和出行者路径选择提供决策建议。利用多源数据进行旅行时间的估计是智能交通系统运行的重要支撑。利用基于同一路段的3种检测数据，提出相应的权重分配模型和神经网络模型来进

2、行多源检测数据的融合以获得融合后的旅行时间。对比研究了基于多断面检测器的旅行时问的2种推算方法：速度累进和速度平均。利用北京市典型道路数据对这2种融合技术的融合效果进行了对比分析，结果显示，多源数据融合可以提高旅行时间估计的准确性。关键词：交通工程；旅行时间估计；权重分配模型；神经网络模型；数据融合中图分类号：U491．I+4文献标识码：A文章编号：1002—0268(2014)02—0099—05StudyonMethodsofTravelTimeEstimationBasedonMulti-sourceDataFusionLIRui—min，CHENXi—yi(Ins

3、tituteofTransportationEngineering，TsinghuaUniversity，Bering100084，China)Abstract：Traveltime，asamainoperationparameteroftransportsystem，canprovidedecision—makingsuggestionsfortrafficguidancesystemandtravelerroutechoice．Itisimportanttoestimatetraveltimebasedonmulti—sourcedetecteddatainIntel

4、ligentTransportationSystem(ITS)．Weproposedtheweightdistributionmodelandtheneuralnetworkmodeltoestimatetraveltimebyfusingmulti—sourcedetecteddatabasedon3typesofdetecteddataonthesamelink．andcompared2distincttraveltimeestimationmethodsbasedonmultiplecross—sectionaldetectors：theprogressivespe

5、edmodelandthemeanspeedmodel．ThetypicaldatafromtheroadsinBeijingaleusedforcomparingtheresultsofthe2proposedmodels．Theresultsshowthatmulti-sourcedatafusionmodelCanimprovetheaccuracyoftraveltimeestimation．Keywords：trafficengineering；traveltimeestimation；weightdistributionmodel；neuralnetworkm

6、odel；datafusinn0引言为获取实时的道路交通流信息，近年来各城市在道路上铺设了大量的交通流数据采集设备，而由于各类检测器的特性差异，断面采集设备、移动采集设备种类的综合应用使得目前对于同一路段的交通流状况往往有超过一种检测方式。不同的检测设备采集的数据类型不同，同时在不同的情况下其精度亦有差异，因此，在实际应用中必须考虑多源数据的融合问题。数据融合技术是一项数据处理技术，主要是从多传感器数据资源中得到更准确全面的信息¨3。数据融合近30年来取得了迅速发展旧J，交通运输领域亦逐渐成为数据融合技术应用的典型领域¨。4J，其中道路状态估计是重要的应用领域”。9J。本

7、文根据数据的时间与空间特性匹配的原则选取实际的目标路段，通过对微波检测器、浮动车和车牌识别检测器采集到的多源数据进行处理，首先收稿日期：2012—12一18基金项目：国家自然科学基金项目(71361130015)作者简介：李瑞敏(1979一)，男，山东莱州人，副教授，博士．(1nnin@tsinghua．edu．cn)100公路交通科技第31卷得到不同检测器对目标路段的旅行时间估计，对处理好的数据利用权重分配模型和神经网络模型得出融合后的道路旅行时间，最后对融合前后的数据进行分析。1数据融合模型在道路旅行时间估计研究中，目前的