论文部分内容阅读
城市道路网路段通行时间估计在城市化进程中对城市公共交通管理、聚集事件调控具有重大意义。近年来随着无线传感器和移动定位技术的飞速发展,移动通讯和移动计算技术被广泛应用于各个领域。城市移动对象在自由移动的过程中与网络保持互连,与服务器进行数据交换,产生了海量包含时空标签的位置信息。因此,城市道路网路段通行时间估计的实现有了数据基础。基于此,以时空数据为研究对象,基于车辆的历史数据,通过机器学习方法预估道路网路段通行时间,论文主要工作在于:1、构建基于GPS起终点(Origin–Destination,简称OD)数据的道路网路段通行时间估计框架模型。分析了基于OD数据的道路网通行时间关联要素,提出基于车辆OD数据的城市道路网路段通行时间估计框架模型。主要包括:地图匹配,合理路径建立,通行时间估计等步骤。2、提出了确定型双车道模型估计道路网路段通行时间的方法。根据道路网中每一路段多车道的实际情况,以及同一路段左拐车道和直行右拐车道之间的相互影响,提出双车道之间多项式关联关系模型,比较多项式不同阶次对结果的影响,确定最优的双车道通行时间关系,结合所建立的估计道路网路段通行时间模型,采用列文伯格-马夸尔特算法(Levenberg-Marquardt,LM)方法进行模型参数训练。实验表明,确定型双车道方法能有效估计城市道路网路段通行时间。3、提出了随机变量模型估计道路网路段通行时间的方法。为解决确定型双车道道路网通行时间预估模型中部分路段通行时间为负值的不足,根据贝叶斯学习的相关理论,分析最终影响道路网路段通行时间的因素及其概率,将道路网各路段通行时间及交通灯等待时间建模为一组服从正态分布的随机变量,以描述道路网通行时间的动态变化,通过求解隐函数的参数估计方法,拟合出道路网路段通行时间。实验表明,与确定型双车道方法相比,随机变量模型在道路网路段通行时间估计方面具有优势。