Print

基于多源数据融合的城市道路旅行时间预测

论文摘要

城市道路旅行时间预测是城市道路交通管理的重要支撑。研究了利用多源数据预测城市信号控制主干道旅行时间的方法。以2015年8月某路段的视频检测器及微波检测器的2种数据为基础,采用回归拟合的方法探究信号控制主干道路段旅行时间与断面流量之间的关系,2段式的线性拟合结果可以较好地拟合信号控制主干道路段旅行时间与断面流量的关系。以BP神经网络模型为基础,从输入层入手,采用直接输入2类数据、应用拟合关系输入拟合数据等方法,综合考虑2类数据之间的相关性,建立了融合2类检测数据进行旅行时间预测的多个模型,对7种不同输入的神经网络预测模型进行了测试、对比和分析。研究结果表明,相比于时间序列、支持向量机、k近邻和历史平均方法而言,应用拟合关系的2类数据融合的BP-2神经网络模型具有更高的预测精度,MAPE为13.04%,表明BP2神经网络模型能够实现较好的旅行时间预测效果。

论文目录

  • 0 引 言
  • 1 检测数据
  •   1.1 视频检测器数据
  •   1.2 微波检测器数据
  • 2 路段旅行时间与断面流量关系
  •   2.1 路段旅行时间与断面流量散点图
  •   2.2 拟合分析
  • 3 多源数据融合的预测模型
  •   3.1 模型基础
  •   3.2 模型建立
  • 4 模型预测性能分析
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 于超,李瑞敏,张威威

    关键词: 交通工程,旅行时间预测,神经网络,多源数据融合

    来源: 交通信息与安全 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 清华大学土木工程系

    基金: 国家自然科学基金项目(71871123)资助

    分类号: U491

    页码: 77-82

    总页数: 6

    文件大小: 738K

    下载量: 216

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/5497dc45ff437f9a8c5b5988.html