原文传递
基于浮动车数据的城市路段行程时间预测研究
| 论文题名： | 基于浮动车数据的城市路段行程时间预测研究 |
| 关键词： | 浮动车数据;行程时间预测;BP神经网络;遗传算法;城市交通 |
| 摘要： | 随着城市交通状况的持续恶化，人们对实时、准确交通信息的需求更加强烈，而浮动车系统是伴随着ITS新技术应用而发展起来的新型交通信息采集技术，是对传统交通信息采集技术的有益补充。利用浮动车系统数据预测行程时间是ITS领域研究的重要内容，可以为ITS的核心子系统．ATIS和ATMS提供实时、准确、可靠的行程时间预测信息，满足系统功能对行程时间预测结果的需求，使其及时采取对策，疏导交通、减少拥挤，以实现交通资源的社会效益与经济效益最大化。 本文以城市路段平均行程时间为研究对象，结合实际浮动车行程时间数据，尝试采用新的方法对行程时间进行较为准确的预测。首先介绍了目前较为新颖的浮动车系统交通数据采集系统，阐述了浮动车系统的定义、原理及其采集行程时间数据的过程。其次基于浮动车可以实测路段平均行程时间的基础上，利用基于贝叶斯正则化算法的BP人工神经网络对路段行程时间进行预测。根据不同网络结构、不同样本数据对建立多个预测实例对该方法进行了验证，最后通过遗传算法优化神经网络，研究进一步提高预测精度的可能性。 实验证明结合浮动车数据和BP神经网络的路段行程时间预测结果能满足一定的精度要求，有一定的实用性，而遗传算法优化后的预测精度有了进一步的提高。 |
| 作者： | 方志伟 |
| 专业： | 城市交通工程 |
| 导师： | 魏丽英 |
| 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
