基于浮动车数据的高速公路路段行程时间预测方法研究及系统实现

论文摘要

路段行程时间预测是交通信息智能预测的一个重要组成部分,通过使用有效的预测模型,较准确地预测路段下一个或下几个时间段的行程时间。路段行程时间预测无论对于交通管理者还是出行者来说都非常有用,出行者可以参考路段行程时间的预测值在出行前计划好路径选择,提高出行效率。交通管理者则可以根据这个预测值提前做好交通分流、交通管制等工作,从而有效地改善道路的拥堵状况。路段行程时间预测需要有历史的和实时的交通信息数据支撑,浮动车系统是一种新兴的交通信息采集方式,浮动车被装上GPS设备,在路上行驶时以一定时间间隔向终端发回实时的行驶数据,利用这些数据我们可以估算出浮动车所经路段的行程时间。本文主要利用广东省交通厅提供的浮动车数据预测广东省高速公路各路段的行程时间。浮动车数据中的车辆位置信息只包含经纬度,因此需要将浮动车匹配到它所行驶的路段上,这个匹配过程称为地图匹配,本文根据高速公路的特点设计一个简单高效的地图匹配算法。浮动车数据匹配到地图后,使用一定的计算方法将它转换为路段的行程时间,并提出经验模态分解与支持向量回归相结合的路段行程时间预测方法。通过使用美国华盛顿州高速公路的交通数据集及广东省交通厅提供的浮动车数据进行实验验证,证明本文所提出的方法是有效的。最后,应用上面提到的地图匹配算法及路段行程时间预测方法,基于ArgisEngine工具实现一个预测广东省高速公路路段行程时间的可视化系统。

论文目录

• 摘要
• Abstract
• 第1章 概述
• 1.1 选题的背景与意义
• 1.2 行程时间及行程时间预测的定义
• 1.3 问题描述
• 1.4 本文的工作
• 1.5 论文组织结构
• 第2章 浮动车数据处理
• 2.1 浮动车数据采集
• 2.2 路段划分
• 2.3 地图匹配
• 2.4 路段行程时间估计
• 2.5 本章小结
• 第3章 行程时间预测相关工作
• 3.1 回归模型
• 3.2 时间序列分析模型
• 3.3 卡尔曼滤波模型
• 3.4 神经网络
• 3.5 本章小结
• 第4章 本文的方法
• 4.1 支持向量机
• 4.2 支持向量回归
• 4.3 经验模态分解
• 4.4 本文的方法
• 4.5 本章小结
• 第5章 实验
• 5.1 实验参数
• 5.2 实验一
• 5.3 实验二
• 5.4 参数敏感性分析
• 5.5 本章小结
• 第6章 系统分析设计和实现
• 6.1 系统需求分析
• 6.2 系统总体设计
• 6.3 系统详细设计
• 6.4 系统的实现与应用
• 6.5 本章小结
• 第7章 总结与展望
• 7.1 本文的工作总结
• 7.2 进一步的研究工作
• 参考文献