基于SV模型的行程时间预测

行程时间的波动性分析及预测是道路交通网络研究的重要内容,为有效预测出行者行程时间,本文基于实际路段行程时间数据构建随机波动率模型,利用马尔科夫链蒙特卡洛方法求解模型参数,使用标准随机波动率(SV-N)模型和厚尾随机波动率(SV-T)模型对行程时间进行预测。结果表明:在刻画对路段行程时间波动率特征的效果上,厚尾随机波动率模型优于标准随机波动率模型;在行程时间预测上,厚尾随机波动率模型更能准确地进行实时预测。本文方法对行程时间预测具有实时性,可对实际路段行程时间进行在线预测及对交通出行者的路线规划提供理论依据。     

基于行程时间可靠性的随机交通网络均衡模型

考虑现实条件下交通网络的不确定性状态,提出了从确定型网络到不确定型网络状态下出行者路径选择行为的改变,及基于行程时间可靠性的路径选择模型。并将可靠行程时间的路径选择行为纳入到随机交通网络平衡分配模型中,证明了模型的等价性和唯一性。在一个小型测试网络上对模型分配结果进行了测试,测试结果与经验相吻合,表明模型具有较好的现实可行性。     

基于宏观交通流模型的行程时间预测

以高速道路为研究对象,概述了宏观交通模型的基本方程,提出了一种基于宏观交通模拟的路径行程时间预测方法．预测方法以宏观模型输出的速度为基础计算路径行程时间,能够考虑交通拥堵以确保行程时间预测结果更合理．预测方法包含一般计算方法、由路段行程时间合成的方法（近邻组合法）这两种计算方法,后者用以加快计算速度,确保预测能够适用于较大规模路网．算例分析说明了预测方法的有效性．     

基于随机松弛时间的行程时间可靠性计算模型*

提出了基于随机松弛时间的行程时间可靠性动态计算模型。研究了交通系统内部车辆间相互干扰作用对行程时间可靠性的影响。运用交通流动力学理论建立模型,证明了模型的各项异性,并基于蒙特卡洛和欧拉折现法设计相应的求解算法。模型能够较好地反映给定交通供需条件下的行程时间可靠性退化规律,量化交通流内部车辆间相互干扰对行程时间可靠性的影响。算例分析表明车辆间相互干扰程度的加剧会引起行程时间可靠性退化轨迹的明显改变,干扰越剧烈,动态行程时间可靠性的退化速度越快、达到稳定状态时的行程时间可靠性水平越低。拓展了传统行程时间可靠性计算模型仅考虑外部供需的局限性,探讨了交通流松弛时间的随机波动对行程时间可靠性的影响。所建模型和方法可以为高速公路、城市快速路、主干道等大型设施的动态行程时间可靠性预测提供理论依据和实践参考。     

基于收费数据的高速公路行程时间可靠性估计模型

高速公路收费数据易于获取,且蕴含多种交通信息。本文利用收费数据分析高速公路客货车行程时间分布,提出客货车行程时间分布的差异,分别构建客货车行程时间可靠性估计模型,并对模型进行试验分析。利用MATLAB对直接求取的客货车行程时间和模型求取的客货车行程时间进行正态分布和对数正态分布曲线拟合,结果表明:客货车的行程时间分布均符合正态分布;利用本文模型求取的行程时间分布比直接使用出入口收费站时间差求取的行程时间分布具有更小的SSE和RMSE以及更大的R-square。最后,对客货车行程时间的可靠性区间,即置信区间进行比较,结果表明:在同一置信水平下,利用本文模型求解的行程时间具有更小的行程时间区间分布,即更好的稳定性。     

行程时间可靠性研究

文章结合已有研究成果,提出了行程时间可靠性的概念,分析了基于供需随机性构建的路径行程时间可靠性、OD对行程时间可靠性及系统行程时间可靠性模型,最后构建了基于最可能状态的行程时间可靠性近似算法。     

引入时空特征的高速公路行程时间预测方法

为克服现有方法预测步长短、无法充分利用路网时空特征的局限性,实现高速公路行程时间的准确预测,基于高速公路起讫点(OD)数据集,采用随机森林模型(RF)、极端梯度提升模型(XGBoost)、长短时记忆神经网络模型(LSTM)、K-最近邻模型(KNN)、支持向量机回归模型(SVR)等5种常用算法对车辆行程时间进行多步长预测...     

基于结构可靠性算法的停车换乘行程时间可靠性计算

为了定量分析停车换乘(PR)出行方式的时间可靠性,提出了一种PR行程时间可靠性计算算法并进行求解.将PR出行过程按照出行特征划分为小汽车、停车搜索、步行及轨道交通4个出行子链,在拟合和标定各子链行程时间分布的基础上,基于结构可靠性计算中的HL-RF算法设计求解算法.通过当量正态化法(RF)将各出行子链的行程时间分布转换为对应的当量正态分布,然后利用验算点法(HL)计算PR行程时间可靠度.最后,以实际案例验证所提算法.结果表明,该算法能够简洁有效地计算PR出行行程时间可靠性,且计算中考虑了PR各出行子链行程时间服从不同时间分布的情况.     

基于数据挖掘的高速公路行程时间预测

以高速公路上路段行程时间历史数据集作为研究对象,以交通数据实际特征作为行程时间历史数据集分类的依据,建立基于数据挖掘的高速公路行程时间预测模型.采用山东高速收费站记录实际数据,以实例数据验证模型并计算平均绝对误差.为对比分析预测强度聚类预测模型的有效性,采用多种算法对测试集行程时间预测,对预测结果误差进行了对比.结果表明:预测强度修正的k-means法可以提高高速公路路段行程时间预测的准确性,模型在降低数据采集成本的同时可为高速信息服务提供可靠的预测行程时间,为出行者提供有力的决策依据.     

基于对数正态和分布的路径行程时间可靠性模型

建立合理的路径行程时间可靠性评价模型,对于准确评价路网运行状态具有重要意义.根据对数正态随机变量之和的概率分布特性,建立了路径的行程时间可靠性评价模型.首先,通过曲线拟合,建立了路段行程时间的概率分布模型,结果表明对数正态分布的拟合效果最佳;其次,利用统计学理论,分别考虑路段相关和路段独立两种情况,建立了基于对数正态和分布的路径行程时间可靠性评价模型;在此基础上,对北京市西三环路径进行了实例分析,以检验模型的准确性.研究结果表明:模型能够准确的评价路径的行程时间可靠性;且路段之间存在弱相关关系,最合理的路段相关系数取值为0.2-0.3.     

基于行程时间的驾驶风格贝叶斯决策树动态识别

驾驶风格是驾驶员对实际交通状况的态度和决策偏好,反映了驾驶员在车辆操作和运行期间的行为表现,驾驶员行为风格直接影响汽车安全预警系统的报警准确率.本文从汽车安全预警系统的研究角度出发,以驾驶风格为研究对象,利用GP S实时捕获的行程时间作为特征参数,建立基于贝叶斯决策树的汽车驾驶风格动态辨识模型;通过心理测试、实车实验以...     

评价公交行程时间可靠性价值的Mixed Logit模型

合理评价出行者行程时间可靠性价值有助于深入理解道路交通系统可靠性对出行决策的影响.以天津市区早高峰时段出行活动为背景,采用2种可靠性评价指标,设计包含不同情景的SP(Stated Preference)问卷调查程序.通过调查对象在问卷程序生成的与其日常出行活动类似的决策情景中做出的选择决策,研究以公交方式出行时出行者行程时间可靠性价值的评价特征,采用Mixed Logit模型标定参数.研究结果给出了早高峰时段出行者行程时间可靠性支付意愿的分布情况以及不同社会经济属性的出行者行程时间可靠性偏好特征,可为估算交通建设项目中行程时间可靠性改善给出行者带来的效益和制定交通需求管理政策提供参考.     

基于模糊感知的道路网行程时间可靠性研究

交通系统的运行状态及行程时间受多种累积因素影响,具有很强的不确定性。文章从行程时间可靠性角度分析了道路网的运行质量及其满足人们追求高出行需求的情况,提出了模糊行程时间可靠性的概念,并将其理论应用扩大到能同时处理随机和模糊这两种现象;其次基于随机用户平衡模型,建立了道路网随机需求条件下的行程时间可靠性模型,并运用蒙特卡罗和基于情景分析的两种方法分析了路网可靠性,认为后者能够提高计算效率并能够得到较高计算精度。     

基于行程数据的公交车到站时间预测

为向乘客提供较为准确的上下车时间参考,解决长距离预测中误差累积明显的问题,构建基于双层、双注意力、双向长短期记忆(LSTM)神经网络的公交车到站时间预测模型,提出一种基于行程数据的公交车到站时间预测方法.以广州市B2路、 560路公交车工作日的实际运行数据为例,对该预测方法进行精度验证.结果表明,由该模型所预测的行程时间,其平均绝对百分比误差为8.09%,在长距离到站时间估算上,15个站点的预测误差可保持在4.00 min左右.     

基于SVM与人工神经网络组合模型的物流规划车辆行程时间预测

行程时间预测在交通和物流规划中具有重要的作用.传统方法大部分是针对单一路段的行程时间进行短期预测.考虑了一个与传统行程时间预测不同的背景,研究物流车队行程时间预测问题.结合人工神经网络的学习能力和支持向量基对复杂非线性预测的处理能力,提出了一种基于支持向量基和人工神经网络相结合的方法,对物流规划中车辆行程时间进行有效的预测.把得到的结果和真实值比较,说明所提出的预测方法是可行和有效的.     

基于卡尔曼滤波的高速道路行程时间动态预测

首先介绍了卡尔曼滤波的算法，并定性说明了其优点－动态性、实时性。然后使用卡尔曼滤波法和传统的预测方法分别对同一观测数据进行了观测和对比，从而定量证明了卡尔曼滤波的高精度性，研究成果对于开发交通信息诱导系统和动态交通分配均具有较大的意义。     

变分贝叶斯Kriging模型预测混沌时间序列

基于变分贝叶斯及Kriging数学思想,提出了一种含噪混沌时间序列的相空间域预测模型。在相空间域中利用变分贝叶斯推断方法估计模型中的回归系数,采用Kriging数学方法估计模型中的随机部分,将该模型对含加性高斯噪声的Lorenz及Mackey-Glass混沌时间序列进行了预测研究;结果表明该文方法能够有效地预测含噪混沌时间序列,且具有较强的抗噪能力以及有效地克服了过拟和现象;同时预测精度对重构相空间的嵌入维数和时间延迟的变化不敏感。     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.     

基于GPS数据的高速公路行程时间估计与可靠性分析

准确地进行高速公路行程时间估计与可靠性分析对交通规划与缓解交通拥堵具有重要意义。针对目前行程时间估计准确性不高、可靠性分析不够全面的问题,提出基于BP神经网络的高速公路行程时间估计模型,并利用该模型计算的行程时间分析高速公路上车辆行驶的行程时间可靠性。以广州机场高速公路GPS浮动车数据为例进行实例验证,结果表明,与速度-时间积分法和位置-时间内插法相比,本文提出的模型提高了行程时间估计的准确度,同时能多方面地分析车辆行程时间的可靠性。     

基于GPS数据的公交站点区间行程时间可靠性影响因素

为提高公交行程时间预测与信息发布的准确性,借助显著性分析确定影响可靠性预测的主要因素.首先,基于公交GPS数据,采用地图匹配算法建立站点区间行程时间计算方法;其次,针对11组不同路段站点之间的区间行程时间数据,通过拟合优度检验筛选最佳分布模型,并利用最大似然估计获取最优分布模型参数;最后,建立公交行程时间可靠性评价指标体系,分析交通条件、道路条件、采样间隔与行程时间波动指数、延误指数的相关关系.结果表明:三元高斯混合分布模型能以100%的接受率最优地拟合公交行程时间数据,站点区间长度、公交小时流量、采样间隔与行程时间可靠性存在相关关系,而交叉口相对位置则为非关键影响因素.