论文部分内容阅读
“智能交通系统”(ITS)随着“智慧城市”提出,越来越受城市居民关注,出行者对“ITS”中出行决策支持信息的需求愈发迫切。行程时间作为“ITS”中最重要且被广泛研究的描述城市路网运行状态交通参数,能高效地表现道路交通拥挤情况并用于评价交通状况。近年来,基于GPS数据估计行程时间的方法很多,但在低频采样条件下,许多算法具有较高的估计误差,且往往没有考虑交叉口延误及路段瓶颈对估计结果的影响,也没有把路段出行时间以及路径出行时间结合起来考虑。 本文以低频GPS浮动车数据为研究对象,同时,还基于路段的行程时间给出了使用最短路径和不动点迭代估计路径行程时间的方法,提高了低频GPS轨迹数据的利用价值。将本文的研究内容概括为以下几点: (1)充分考虑影响路段行程时间估计的各类因素,利用耦合浮动车轨迹方法估计出该路段的出行时间。 (2)采用图论的思想将哈尔滨主要道路划分成更适合行程时间估计的各个路段,对路段进行标注并编号,共得到哈尔滨446个主要路段的行程时间。 (3)将得到的路段行程时间当作路段一个的基本属性置入哈尔滨路网节点图中,得到带权值的路网图。再用Dijkstra最短路算法得到任意OD点对的路径出行时间。最后利用不动点迭代的方法使所得路径行程时间更加稳定且可靠。 本文基于哈尔滨GPS浮动车的轨迹数据,对城市道路网中所有划分得到的路段的出行时间进行估计,并研究了路径出行时间的估算方法。本文还进行实例分析,比较了方法的优越性。结果表明,与划分行驶路段求特定区域行程时间的方法相比,本文考虑了交叉口延误对路段行程时间的影响,得到了较为准确的实际路段行程时间;与基于路段行程时间直接累加计算路径行程时间的方法相比,本文提出的路径行程时间估计方法不仅有效地提高了路径行程时间的估计精度,而且还满足了出行路径选择的需求。 本文的研究成果,可为“ITS”的出行信息服务提供有力的技术支持,也可以为城市道路交通的动态管理提供相应的理论和参考价值。