详情

原文传递基于多维数据的行程时间预测与可靠性研究

论文题名：	基于多维数据的行程时间预测与可靠性研究
关键词：	交通管理;信息服务;高速公路;行程时间预测;多维数据仓库;可靠性
摘要：	随着交通事业的发展和路网的延伸，高速公路发展水平与公众交通需求呈现双增长趋势，交通信息服务日趋个性化、差别化、精细化。如何对不同车型用户，不同气象场景，不同时段等因素影响下的多维交通信息进行挖掘与信息发布，成为新的研究课题。现代快节奏的生活中，时间价值日益受到重视，出行者越来越关注行程时间的延误和可靠性。及时发布行程时间预测值及其可靠度，能为驾驶者的路径选择提供支持。基于此，本文利用收费数据与气象监测数据，以辽宁省高速公路为试验路段，开展行程时间预测及其可靠性研究，为公众出行及相关部门管理运营提供决策依据。主要完成的工作及取得的成果包括: 　　(1)研究分析车型、时间、气象因素对行程时间的影响，设计了以行程时间为主题的多维数据仓库逻辑模型，搭建数据仓库结构框架。针对非同源数据的集成问题，提出了一种时空匹配法，实现联网收费数据与气象监测数据的集成。提出数据清洗、数据转换的方法，清除了异常数据，实现了数据格式统一，完善了收费数据仓库。　　(2)研究行程时间稀疏数据和异常数据的处理方法。创新性地提出了“上、下游数据构造法”，解决了收费数据的稀疏问题。在相关研究的基础上提出了“改进四分法”的数据筛选方法，有效剔除了数据中的离群值。处理后，数据信息更加完整，贴近真实情况。设计了行程时间序列的提取方法，为行程时间预测研究做准备。采用OLAP联机分析处理技术，提取多维行程时间信息，定量地分析了时间、车型、气象等因素对行程时间的影响，验证了分维度研究的合理性。　　(3)研究行程时间序列的自相关与偏自相关特性，利用BIC准则实现模型定阶，利用最小二乘法进行参数估计，建立ARMA行程时间预测模型。增设车流量序列作为回归变量，建立ARMAX预测模型，改善了传统ARMA模型的预测效果。案例表明，ARMAX的行程时间预测效果良好，能够满足实际需要。改善了传统ARMA模型的预测滞后问题，最大百分比误差较传统ARMA模型的降低约5％。　　(4)研究历史行程时间的分布特征，利用多种概率模型进行拟合，经过K-S假设检验与拟合优度的对比，证明对数正态分布是行程时间可靠性的最优表达模型。基于该模型，确立了行程时间可靠性测度指标的计算方法。选择变异系数、缓冲指数、计划时间指数、拥挤频率作表征历史行程时间可靠度的指标，运用实例研究了车型、时间、气象等多维因素对可靠度的影响。提出了预测行程时间可靠概率及预测行程时间缓冲指数，所提出的指标将未来行程时间与历史统计行程时间相结合，实现对未来行程时间可靠程度的评价，补充了行程时间可靠性指标体系。案例表明预测行程时间可靠性指标对指导路径决策，引导公众出行具有实际意义和重要作用。
作者：	郭宇洁
专业：	安全科学与工程
导师：	赵建东
授予学位：	硕士
授予学位单位：	北京交通大学
学位年度：	2017
正文语种：	中文