原文传递
基于浮动车GPS数据的行车速度预测模型研究
| 论文题名： | 基于浮动车GPS数据的行车速度预测模型研究 |
| 关键词： | 智能交通系统;行车速度预测;浮动车数据;马尔柯夫预测模型;交通流量 |
| 摘要： | 行车速度是交通状态的重要参数之一，也是智能交通系统需要预测的一项重要指标。由速度可以得到道路交通流量、密度等信息，为预测未来一段时间内的道路交通基本状况提供依据；同时可以分析道路上的交通流运行状态，控制交通流，反馈数据作为交叉口信号协同控制的依据，以便及时疏导过往车辆，缩短出行时间，减少损失，保证交通的安全畅通。以往基于线圈等固定设备采集的数据的短时预测，只是路段的某个断面，分布不够；浮动车比较均匀的分布在路段上，通过GPS车载装置和无线通信设备，将车辆信息（如时间、速度、经纬度坐标、方向等参数）实时传送到浮动车信息中心。因此，浮动车GPS数据对固定设备采集信息是一个较好的补充，为行车速度预测研究提供了良好的基础。 论文在综述国内外浮动车以及道路旅行时间、行车速度预测相关研究的基础上，对基于浮动车数据的路段行车速度短时预测模型进行了研究。基于浮动车数据，结合路网的历史运行和实时交通数据，分别建立了K-近邻预测模型、灰色马尔柯夫预测模型和加权马尔柯夫预测模型。在K-近邻预测模型中，提出了基于聚类分析和Pareto有效解的近邻确定方法；在灰色预测模型中，将灰色GM（1，1）和马尔柯夫理论有机地结合在一起；在加权马尔柯夫预测模型中，将对交通信息状态进行划分，并导入模型中进行预测分析。论文基于杭州市浮动车数据，对论文所建立的模型，进行了路段行车速度预测的示例分析，验证了模型的有效性。 |
| 作者： | 龚珊 |
| 专业： | 智能交通工程 |
| 导师： | 尹相勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
