原文传递
基于浮动车数据的路段旅行时间预测研究
| 论文题名： | 基于浮动车数据的路段旅行时间预测研究 |
| 关键词： | 浮动车;数据预处理;路段旅行时间;卡尔曼滤波;BP神经网络;旅行时间预测;智能交通系统 |
| 摘要： | 路段旅行时间预测是智能交通系统的一项重要内容，预测效果直接关系到ATIS和ATMS等ITS相关子系统功能的有效发挥。以往基于线圈等固定设备采集的数据预测路段旅行时间，采用路段上一个或几个断面的交通状况推断路段的交通状况，存在一定误差。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)实时的传送到浮动车信息中心。因此，浮动车数据对固定设备采集信息是一个良好的补充。 本文对国内外浮动车技术和路段旅行时间预测的研究和应用现状进行了综述，研究了浮动车数据预处理的方法，路段旅行时间的确定方法。在此基础上，研究了适合浮动车数据特点的路段旅行时间预测模式和方法，分别建立了路段旅行时间短时预测的卡尔曼滤波模型和长时预测的BP神经网络模型，并对模型的输入和参数的确定方法与选取范围进行了研究。应用本文研究的方法，基于“国家十五科技攻关课题“《杭州市道路和交通管理应用浮动车技术示范工程》所采集的杭州市浮动车数据，进行了路段旅行时间预测的示例分析，验证了模型的有效性。 |
| 作者： | 朱爱华 |
| 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： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
