论文部分内容阅读
摘要：高速公路站间旅行时间可衡量所经路段通行效率和交通状态,是交管部门交通控制和诱导的重要依据,也是出行者高度关注的首要信息,已成为先进出行者信息系统ATIS (advanced traveler information systems)和路径导航系统RGS (route guidance systems)的关键因素。本文依托高速公路收费数据开展站间旅行时间预测研究,具体研究内容如下：(1)针对MTC(manual toll collection)数据相比ETC (electronic toll collection)数据包含车辆排队等待缴费时间的问题,提出一套MTC和ETC数据实时融合处理准则,包含极端异常数据处理和数据融合,提高了周期内车辆数据数量。(2)针对收费数据中异常数据难以剔除的问题,提出一种改进后平均旅行时间计算模型,模型融入四分法数据剔除思想,提高了收费数据质量和平均旅行时间计算精度。(3)针对卡尔曼滤波算法非线性性能弱及自适应性能差的问题,提出了高速公路旅行时间自适应插值卡尔曼滤波算法。算法利用等间距插值方法重构实时及历史旅行时间之间的时间序列,基于最小二乘法实时搭建卡尔曼滤波模型,并详细阐述了Sage-Husa自适应卡尔曼滤波旅行时间预测原理。(4)为验证算法有效性,实际路段算法验证结果可知,自适应插值预测算法在正常、事故、小长假三种交通流状态下所有周期平均相对误差控制在7.5%内,事故周期平均相对误差控制在10%内。(5)搭建了旅行时间预测系统架构和预测系统业务逻辑,详细阐述了预测系统收费数据存储数据库设计、旅行时间算法设计、发布界面设计,并基于C#. SQL Server2008开发了高速公路站间旅行时间预测系统。(6)搭建了离线旅行时间系统稳定性测试环境,系统运行稳定后,将其布设到高速公路信息中心,实时预测高速公路旅行时间。京港澳高速公路旅行时间预测示范系统应用良好,可为公众出行提供时间参考。