下载文档原格式
基于道路交通网络拓扑结构的可靠性研究
范海雁;吴志周;杨晓光
【期刊名称】《中国矿业大学学报》
【年(卷),期】2005(34)4
【摘要】本文在简述路网可靠性研究重要性的基础上,给出了路网可靠性的评价指标和基于路网拓扑结构的可靠性计算模型,确定了弧、路径、节点对以及网络结构的可靠性计算方法,并结合上海市杨浦区的实际路网拓扑结构进行了可靠性计算,其结果对于准确描述网络中的不良交通路段,帮助出行者预估行程时间具有重要的指导意义,并能够为管理者制定交通管理策略提供决策支持.
【总页数】4页(P482-485)
【关键词】可靠性;路网;拓扑结构;行程时间;模型
【作者】范海雁;吴志周;杨晓光
【作者单位】同济大学交通运输工程学院
【正文语种】中文
【中图分类】U12
【相关文献】
1.基于链路可靠性的网络拓扑结构设计 [J], 刘晓娥;唐涛;万丽军;黄樟灿
2.基于可靠性分析的光伏发电系统监控网络拓扑结构设计 [J], 李乔木;傅质馨;袁越;刘振;赵敏
3.基于网络拓扑结构的大电网可靠性评估 [J], 白云霄
4.互联网络拓扑结构Cayley图可靠性容错延迟的研究 [J], 周树娜;孙永欣;刘靖宇
5.基于互联网络拓扑结构层次模型的网络拓扑绘制方法研究 [J], 李增军;米东;王韬;郑媛媛
因版权原因，仅展示原文概要，查看原文内容请购买。
城市道路交通系统的时间可靠性分析城市道路交通系统的时间可靠性分析随着城市化的不断发展，城市道路交通系统的时间可靠性成为了一个备受关注的问题。
时间可靠性是指交通系统在一定时间范围内实现预定目标的能力。
而城市道路交通系统的时间可靠性分析，旨在评估和改进城市道路交通系统的效率和稳定性，以实现更高效、更可靠的交通运输。
首先，城市道路交通系统的时间可靠性分析需要考虑交通需求和交通供给之间的关系。
交通需求是指市民的出行需求，而交通供给则是指交通系统的容量和实际运输服务。
通过对交通需求和交通供给的分析，可以评估道路交通系统的瓶颈和运输效率，从而为交通管理者提供优化方案。
其次，城市道路交通系统的时间可靠性还与道路网络的结构和设计有关。
道路网络的结构和设计直接影响了交通的流动性和运输效率。
通过对道路网络的分析，可以揭示潜在的拥堵点和瓶颈，进而提出相应的改进措施。
例如，在研究一个区域的交通可靠性时，可以通过分析道路通行能力、交叉口流量和道路拓宽等因素，来评估并改善交通系统的时间可靠性。
除了道路网络的分析，城市道路交通系统的时间可靠性还受到其他因素的影响，例如交通信号控制、公共交通服务和交通信息系统等。
交通信号控制的优化可以提高道路交叉口的通行能力和交通流的稳定性。
公共交通服务的优化可以减少私家车的使用，从而减缓交通拥堵。
交通信息系统的建设则可以提供实时的路况和交通推荐，帮助司机选择最佳的路线，提高道路交通系统的时间可靠性。
在进行城市道路交通系统的时间可靠性分析时，我们还需要考虑交通需求的变化和城市发展的趋势。
随着城市人口的不断增加和经济的发展，交通需求也在不断增加。
因此，只有充分考虑交通需求的变化，才能真正提高城市道路交通系统的时间可靠性。
同时，城市发展的趋势也会对交通系统的时间可靠性产生影响。
例如，城市扩张和新建楼盘会增加交通流量，需要增加道路容量和改善道路网络。
总结起来，城市道路交通系统的时间可靠性分析是一个综合性的工作，需要考虑交通需求与供给之间的关系、道路网络的结构与设计、交通信号控制、公共交通服务、交通信息系统以及交通需求的变化和城市发展的趋势。
道路网行程时间可靠性基础理论与方法研究的开题报告一、研究背景及意义：道路交通在城市化与经济发展中扮演着重要的角色，人们对道路交通的依赖程度日益增加。
随着城市化进程的不断推进，道路拥堵的问题也日益严重，尤其在高峰时段，交通拥堵给人们出行带来很大的不便，也对社会经济造成了极大的损失。
因此，要解决道路交通拥堵问题，提升城市交通运行效率、优化城市空间布局是现代城市交通研究的主要方向之一。
道路行程时间不稳定性是道路交通拥堵的主要原因之一。
文献表明，道路行程时间的可靠性是城市交通研究中的一个核心问题，在城市交通规划、交通控制、出行决策等方面具有重要的理论意义和实际应用价值。
随着城市交通数据的不断积累，通行时间、速度、行程时间等交通指标的提取与分析，成为了城市交通研究的重要标志和技术手段。
本研究旨在基于道路交通数据，探讨道路行程时间可靠性的基础理论与方法，对城市交通优化提出相关建议和指导，为研究交通拥堵问题提供新思路和方法。
二、研究内容：1.通过文献调研，总结道路行程时间可靠性的相关理论。
2.利用城市交通数据，分析道路行程时间不稳定性和可靠性的影响因素。
3.构建基于城市交通数据的道路网行程时间可靠性模型。
4.基于实际交通数据，验证模型的准确性和可靠性。
5.结合具体案例，提出优化城市交通的相关建议和措施。
三、研究方法及技术路线：1.文献调研法。
对国内外关于道路行程时间可靠性的相关文献进行调研，总结相关理论。
2.数据处理与分析方法。
利用城市交通数据，对行程时间的变异系数、标准差、方差等指标进行分析，探讨不同因素对道路行程时间可靠性的影响。
3.建模方法。
根据数据分析结果，运用数学方法建立道路网行程时间可靠性模型。
4.案例研究方法。
利用模型对具体案例进行模拟分析，提出优化城市交通的相关建议和措施。
技术路线：文献综述-数据处理与分析-模型建立-模型验证-案例分析-结论与建议。
四、预期成果：1.论文，研究成果将通过学术论文的形式公开发表。
基于行程一时间域的路段行程时间预测——张安泰柴干丁闪闪59基于行程一时间域的路段行程时问预测张安泰柴干丁闪闪(东南大学智能运输系统研究中心南京210096)摘要为了提高高速公路路段行程时间预测的实时性与准确性，提出了基于行程一时间域的路段行程时间预测算法。
该算法依据实时检测的交通数据和B P神经网络预测路段单元在不同时间单元的空间平均车速，构建车辆出行的行程一时间域，通过车辆穿越行程一时问域获得路段的预测行程时间。
通过比较行程一时间域算法与传统神经网络预测算法，揭示了行程一时间域算法在预测精度上优于传统神经网络算法。
以沪宁高速公路路段作为示例背景，基于V i ssi m仿真软件，验证了所提算法的准确性与可行性。
关键词行程时间；行程一时间域；B P神经网络；高速公路中图分类号：U491．1+4文献标志码：A doi：10．3963／j．i s sn1674—4861．2013．02．014O引言随着现代信息技术在高速公路智能运输系统(i nt el li gent t r ans por t a t i on sys t em，I TS)的广泛应用，动态路径诱导系统作为高速公路I TS的重要组成部分，目前正得到深入研究与开发。
路段行程时间预测是动态路径诱导系统的关键技术，也是I TS的研究热点。
交通运行状况的准确分析与出行路径的动态诱导，要求路段行程时间的估计与预测应当具有实时性、可靠性和准确性。
采用新的技术方法，实时准确预测路段行程时间，是智能化路径诱导系统建设的迫切需求。
就目前行程时间预测问题，研究人员已经提出很多的预测模型与方法，如基于卡尔曼滤波的预测[1]、基于回归分析的预测[2]、基于时间序列的预测口]、基于人工神经网络的预测[4]、基于支持向量机SV M的预测[5=】等多种预测模型与方法。
此外，A r ezoum andi[61通过研究可变限速系统对行程时间分布和可靠性的影响，提出了基于行程时间均值和标准差方法的行程时间预测，并利用密苏里州圣路易斯市I-270／I一255州际公路数据验证了算法的可行性。
第38卷第3期2024年5月山东理工大学学报(自然科学版)Journal of Shandong University of Technology(Natural Science Edition)Vol.38No.3May 2024收稿日期:20230306基金项目:山东省自然科学基金项目(ZR2021MF109)第一作者:唐莺萍,女,tangyingping0810@;通信作者:商强,男,shangqiang@文章编号:1672-6197(2024)03-0014-06基于GPS 数据的高速公路行程时间估计与可靠性分析唐莺萍,商强(山东理工大学交通与车辆工程学院,山东淄博255049)摘要: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㊂针对目前行程时间估计准确性不高㊁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㊂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㊂关键词:GPS 浮动车数据;行程时间估计;行程时间可靠性;对数正态分布中图分类号:U491文献标志码:AExpressway travel time estimation based on GPS data and reliability analysisTANG Yingping,SHANG Qiang(School of Transportation and Vehicle Engineering,Shandong University of Technology,Zibo 255049,China)Abstract :Accurate highway travel time estimation and reliability analysis is of great significance fortraffic planning and traffic congestion alleviation.Aiming at the current problems of low accuracy of travel time estimation and insufficiently comprehensive reliability analysis,this paper proposes a highway travel time estimation model based on BP neural network,and uses the travel time calculated by this model to analyze the travel time reliability of vehicles traveling on highways.Taking the GPS floating car data ofGuangzhou Airport Expressway as an example for verification,the model proposed in this paper improves the accuracy of travel time estimation compared to the speed time integration method and the position time interpolation method,and can analyze the reliability of vehicle travel time in multiple aspects.Keywords :GPS floating vehicle data;travel time estimation;travel time reliability;lognormal distribution㊀㊀莜随着我国社会和科技的不断发展,居民的出行量和汽车的保有量逐年攀升,交通拥堵问题也日益严重㊂准确地进行行程时间估计与可靠性分析是解决交通拥堵的关键㊂行程时间估计与可靠性分析能帮助交通管理者及时发现交通拥堵问题,制定有效的解决方案,还能帮助出行者及时了解交通状况,做出合理的出行决策㊂目前,采集交通数据的交通检测器主要分为固定型交通检测器和移动型交通检测器㊂Horvath等[1]用单个线圈检测器数据推导行程时间,吴俏[2]以环形线圈检测器交通流数据为研究对象,提出数据预处理方法㊂固定检测器覆盖率低㊁不灵活㊁维修难度大㊁易受外界环境影响,因此移动型交通检测器开始广泛使用,其中移动检测器中的GPS 浮动车技术因具有覆盖率广㊁可靠性高㊁检测的连续性强等特点而被广泛应用㊂起初利用GPS 浮动车数据进行行程时间估计的方法有速度-时间积分法和位置-时间内插法㊂Byon [3]提出速度-时间积分法估计行㊀程时间,常安德[4]在位置-时间内插法的基础上,提出了假设车辆匀加速或者匀减速行驶来估计行程时间的方法㊂随着计算机技术的发展,研究者们开始采用更先进的方法来改进传统的行程时间估计与可靠性分析方法㊂宋承波等[5]采用加权融合的方法来融合速度-时间积分法和位置-时间内插法计算的行程时间,伊峰[6]针对位置-时间插值法和速度-时间积分法存在的不足,采用牛顿插值法和切比雪夫多项式拟合法设计了相应的改进方法㊂在行程时间可靠性方面,许必承[7]分析了路段行程时间分布特征,选择95%分位行程时间路段建立交通运行状态可靠性度量方法;陈伟[8]建立了VMS 信息下路径行程时间可靠性评价体系,路段行程时间可靠性评价指标选取为可容忍的行程时间边界,可靠性模型采用概率型指标㊂针对目前采用传统的行程时间估计方法准确度不高㊁先进的模型复杂㊁分析数据方法繁琐以及行程时间可靠性分析指标单一的问题,本文提出基于BP 神经网络的高速公路行程时间估计模型,采用传统与概率型指标相结合的方法对行程时间可靠性进行多角度评价,并利用广州机场高速公路GPS 浮动车数据进行实例验证㊂1㊀基于BP 神经网络的高速公路行程时间估计模型1.1㊀坐标-时间内插法坐标-时间内插法[9]假定起点与终点之间车辆是匀速行驶的,通过估算车辆到达起点与终点的时间,利用起终点的时间相减即可得到行程时间㊂如图1所示,GPS 浮动车行驶的路线上会有i 到j 的定位点,按照式(1)的方法计算车辆通过终点的时刻t N ,即t N =L '2(j -1)t (j )+L '2(j )t (j -1)L '2(j -1)+L '2(j ),(1)图1㊀坐标-时间内插法示意图式中:t N 为当前高速公路路段终点N 边界时刻,t (j )为第j 个定位点的定位时刻,t (j -1)为第j -1个定位点的定位时刻,L '2(j -1)为第j -1个定位点与当前路段终点边界的距离,L '2j ()为第j 个定位点与当前路段终点边界的距离㊂同理,可计算出车辆通过路段起点时刻t N -1,利用公式t =t N -t N -1可得到高速公路路段行程时间㊂1.2㊀速度-时间积分法速度-时间积分法[9]算法原理如图2所示,它用一系列连续的GPS 浮动车采集的瞬时速度来估计高速公路平均行程速度,并用高速公路路段长度除以行程速度得到行程时间的估计值㊂图2㊀速度-时间积分法示意图车辆在t i 到t j 时间段内行驶的距离为㊀㊀d '=ʏjiv d t ʈv i (t i +1-t i2)+ðj -1g =1v g (t g +1-t g -12)+㊀㊀㊀㊀v j (t j +t j -12)㊂(2)如果采用固定的GPS 采样间隔,式(2)可简化为d '=t c (vt 2+ðj -1g =1v g +v j2),(3)车辆在t i 到t j 时间段内行驶的平均速度为u =d 't j -t i ,(4)长为L 的高速公路路段,单车的行程时间为T =L u㊂(5)1.3㊀BP 神经网络BP 神经网络是一种按误差逆传播算法训练的多层前馈神经网络,在自主学习㊁非线性和容错性等多个方面有很大的优势,其组成如图3所示,包括指定数量的输入层㊁输出层以及隐含层㊂BP 神经网络51第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析的原理是在不断的训练过程中,通过学习正向反馈信息与反向反馈信息,不断减小误差来调整不同神经元的权重㊂不同层之间的神经元通过非线性计算寻找输入与输出之间的关系㊂图3㊀BP 神经网络拓扑结构每个输入输出层㊁隐含层与输入的函数关系为:x j =ðki =1w ij o i ,(6)o j =sigmod(x l )=11+e -xl,(7)式中:k 为隐藏层神经元个数,w ij 表示神经元i 与神经元j 之间连接的权重;o j 代表神经元j 的输出;sig-mod 是一个特殊函数,用于将任意实数映射到(0,1)之间㊂1.4㊀基于BP 神经网络的高速公路行程时间估计模型设计㊀㊀坐标-时间内插法和速度-时间积分法行程时间估计的原理和优势不同,可以利用BP 神经网络对2种行程时间估计方法的结果进行融合,提高行程时间估计的精确度㊂本文提出的基于BP 神经网络的高速公路行程时间估计模型框架如图4所示,用速度-时间积分法与位置-时间内插法的行程时间估计结果作为BP 神经网络的输入变量,当训练的均方误差达到要求即输出行程时间估计的结果㊂2㊀高速公路行程时间可靠性指标2.1㊀累积分布函数用累积分布函数表示的百分位数行程时间是一种常用的行程时间表示方法,可以用一些特殊的行程时间百分位数来计算行程时间的可靠性,例如15%㊁50%㊁90%等㊂累积分布函数为图4㊀行程时间估计方法框架F (t )=ʏt 0f (t )d t =1σ2πʏTexp -12(ln t -μσ)2éëêêùûúúd t =Φ(t -μσ)㊂(8)2.2㊀基于佛罗里达算法的行程时间可靠性㊀㊀佛罗里达算法[10]将行程时间可靠性定义为:出行者使用的行程时间小于该时间下路段的平均行程时间与可接受延误时间的和的概率㊂佛罗里达算法的行程时间可靠性公式为R φ(t )=P (t <t -+φt -),(9)式中:R φt ()为行程时间可靠性;t -为平均值;φt -为可接受的行程时间延误;φ为系数,一般取5%㊁10%㊁15%或20%;t -+φt -为可接受的行程时间阈值㊂2.3㊀变异系数CV变异系数[10]能较为清晰地反馈行程时间的离散程度与不确定性,可排除量纲的影响㊂变异系数一般不超过0.15,其计算公式为CV =σμ,(10)式中:σ为标准差,μ为均值㊂2.4㊀缓冲指数BTI缓冲指数[11]指一般条件下,出行者为了能在90%的分位行程时间内到达目的地要额外预留的缓冲时间,其计算公式为BTI =F (0.9)-t mt m,(11)61山东理工大学学报(自然科学版)2024年㊀式中:F (0.9)为90%分位行程时间,t m 为平均行程时间㊂2.5㊀单位距离平均行程时间行程时间反映了一定时间段内单位路段长度交通流的平均状况和运行效率㊂单位距离平均行程时间计算公式为t -=ðni =1t in ㊃l,(12)式中:t i 为第i 辆车行程时间,l 为车辆行驶的路段长度,n 为该路段上通过的车辆数㊂3㊀实例验证3.1㊀行程时间估计3.1.1㊀数据来源OpenData [12]开放的广州机场高速公路GPS 数据为地图配后的结果,可用来进行高速公路行程时间与可靠性分析研究㊂删除速度异常的GPS 浮动车数据,对数据进行排序分类,对浮动车的行驶方向㊁行驶地点和行驶时间㊁路段编号进行筛选,选出实验需要用的GPS 浮动车数据㊂高速公路行程时间估计实例验证的路段为新市-黄石㊂BP 神经网络融合方法的输入变量为速度-时间积分法与位置-时间内插法计算的行程时间,输出变量为行程时间估计值,共有125组数据,前96组数据作为训练集,97到101组数据为验证集,最后24组数据为测试集,输入层神经元设置为2个,隐藏层神经元设置为10个,输出层神经元设置为1个㊂3.1.2㊀评价指标本文采用相对误差(δRE )㊁平均相对误差(δARE )㊁最大相对误差(δMRE )来评估模型的有效性㊂评价指标越小,则模型的预测性能越好,各自的数学表达式如下:δRE=y (t )-y ɡ(t )y (t ),(13)δARE=1n ðn i =1y (t )-y ɡ(t )y (t ),(14)δMRE =max(y (t )-y ɡ(t )y (t )),(15)式中:y t ()为行程时间真实值,y ɡt ()为行程时间估计值㊂3.1.3㊀行程时间估计结果与分析3种方法估计的行程时间如图5所示㊂由图5可以看出,每辆GPS 浮动车分别采用速度-时间积分法㊁坐标-时间内插法㊁基于BP 神经网络模型的行程时间估计结果,为了检验本文提出模型的估计效果,采用真实值与3种方法估计结果的相对误差㊁平均相对误差与最大相对误差来分析㊂图5㊀3种方法估计的行程时间3种方法估计的行程时间与真实值的相对误差如图6所示,平均相对误差㊁最大相对误差如表1所示㊂由图6和表1可知,速度-时间积分法的5㊁6㊁15㊁19㊁21,24号车辆的估计误差较大,坐标-时间内插法的4㊁8㊁12㊁21㊁23号车辆的估计误差较大,基于BP 神经网络模型的3㊁11㊁12号车辆的估计误差较大,其他车辆的相对误差都较小㊂可以明显看出无论是相对误差还是平均相对误差与最大相对误,基于BP 神经网络的行程时间估计模型效果明显优于图6㊀3种行程时间估计方法的相对误差表1㊀3种行程时间估计方法的平均相对误差与最大相对误差方法名称δARE δMRE 速度-时间积分法0.08070.1681坐标-时间内插法0.08120.1717神经网络融合法0.05240.120971第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析速度-时间积分法㊁坐标-时间内插法的估计效果且其结果与真实值偏差更小㊁吻合度更高㊂3.2㊀行程时间可靠性分析根据本文提出的基于BP 神经网络的高速公路行程时间估计模型对三元里-黄石㊁黄石-平沙㊁平沙-蚌湖路段的387辆GPS 浮动车的行程时间进行估计,并利用估计的行程时间进行可靠性分析,以下以三元里-黄石路段为例进行分析㊂3.2.1㊀行程时间频数统计如图7所示,对三元里-黄石路段车辆的行程时间进行频数统计以进行行程时间分布拟合计算㊂3.2.2㊀行程时间分布拟合对行程时间的频数统计数据进行正态分布㊁威布尔分布㊁伽玛分布㊁对数正态分布模型拟合,分布拟合的结果如图8所示㊂利用三元里-黄石路段的4种模型的函数表达式进行误差平方和的计算,其计算公式为δSSE =ðni =1w i (y i -y -i )2,(16)式中:y i 为实际值;y -i 为拟合值;w i 为权重㊂图7㊀三元里至黄石南行程时间频数统计㊀㊀由表2拟合函数的误差平方和可知,对数正态分布的误差平方和最小,所以广州机场高速公路三元里-黄石路段的车辆行程时间分布由对数正态分布拟合效果最佳㊂㊀㊀对数正态分布的概率密度函数为f t ()=10.57073t 2πexp -12(ln t -2.64230.57073)2éëêêùûúú㊂(17)(a)正态分布㊀㊀(b)威布尔分布(c)伽玛分布㊀㊀(d)对数正态分布图8㊀拟合分布函数图81山东理工大学学报(自然科学版)2024年㊀表2㊀4种拟合函数的误差平方和路段正态分布威布尔分布伽玛分布对数正态分布三元里-黄石0.02280.02080.02050.02043.2.3㊀行程时间可靠性分析1)累积分布函数㊂三元里至黄石累积分布函数为F (t )=ʏtf (t )d t =10.57073t 2πexp -12ln t -2.64230.57073()2éëêêùûúú=φt -2.64230.57073()㊂(18)2)佛罗里达算法指标㊂由表3可以看出,在可接受的延误时间为概率统计拟合行程时间的20%的情况下,三元里-黄石与黄石-平沙两个路段的佛罗里达算法指标均未超过50%,说明两段路的行程时间可靠性较低,平沙-蚌湖路段的佛罗里达算法指标超过50%,说明该路段的行程时间可靠性较好㊂㊀表3㊀基于佛罗里达算法的行程时间可靠性㊀单位:%路段可接受延误时间的系数5%10%15%20%三元里-黄石31.1036.1241.1546.10黄石-平沙34.9438.8242.6446.36平沙-蚌湖39.3644.0148.5352.88㊀㊀3)其它行程时间可靠性指标㊂由表4变异系数CV 值可以看出,平沙-蚌湖的离散程度较低,说明车辆在该路段可用相对平稳的速度行驶,且对比全国高速公路单位距离的平均行程时间可知该路段的交通流运行速度较快,路段的行程时间可靠性高㊂三元里-黄石㊁黄石-平沙路段的离散程度较高,且交通流运行速度较慢,说明这两个路段的行程时间可靠性较差㊂表4㊀其他行程时间可靠性指标路段变异系数CV 缓冲指数BTI 单位距离平均行程时间/(min /km)三元里-黄石0.7594 1.2625 2.031黄石-平沙0.2955 1.5354 1.198平沙-蚌湖0.14581.73321.2844㊀结论针对目前行程时间估计准确性不高与可靠性分析不够全面的问题,提出了基于BP 神经网络的高速公路行程时间估计模型,并采用传统与概率型指标相结合的方法分析行程时间可靠性,在此基础上进行实例验证,得出以下结论:1)本文提出的模型能提高行程时间估计的准确性,与原有方法相比,相对误差㊁平均相对误差与最大相对误差均有大幅降低㊂2)采用传统与概率型指标相结合的方法分析行程时间的可靠性,可以改善行程时间可靠性分析指标单一的问题,多角度全面分析行程时间可靠性㊂3)对高速公路上车辆行驶的路段进行行程时间估计与可靠性分析,可以反映存在的交通问题,准确获得实时的交通信息,方便交通管理者发现并解决问题,帮助出行者及时采取正确的出行决策㊂参考文献:[1]HORVATH M T,TETTAMANTI T.Real-time queue length estimationapplying shockwave theory at urban signalized intersections[J].Pe-riodica Polytechnica Civil Engineering,2021,65(4):1153-1161.[2]吴俏.基于城市路网的行程时间估计及预测方法研究[D].杭州:浙江大学,2015.[3]BYON Y J.GISTT:GPS -GIS integrated system for travel time surveys [D].Toronto:University of Toronto,2005.[4]常安德.基于GPS 浮动车的路段行程时间采集方法研究[D].长春:吉林大学,2009.[5]宋承波,燕雪峰.一种浮动车技术的道路行程时间估计方法[J].小型微型计算机系统,2018,39(9):2098-2102.[6]伊峰.基于车载GPS 数据的交通流路段平均行程时间估计与预测方法研究[D].长春:吉林大学,2012.[7]许必承.城市路网交通运行状态可靠性度量[D].南京:东南大学,2021.[8]陈伟.VMS 信息下驾驶路径选择行为特性及行程时间可靠性分析[D].青岛:青岛理工大学,2021.[9]马超锋.基于低频采样GPS 数据的路段行程时间估计[D].北京:北方工业大学,2015.[10]蒲珂慧.高速公路行程时间可靠性计算方法研究[D].西安:长安大学,2015.[11]KAPARIAS I,BELL M G H,BELZNER H.A new measure of traveltime reliability for in-vehicle navigation systems[J].Journal of In-telligent Transportation Systems,2008,12(4):202-211.[12]OpenITS 联盟.OpenData V1.0-广州机场高速公路开放数据[EB /OL].[2023-02-16].https:// /openData1/626.jhtml.(编辑:郝秀清)91第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析。
行程时间可靠性研究现在深圳汽车保有量已达到322万辆,道路密度位居全国前列,城市道路交通呈现过饱和状态,对于城市交通道路而言,拥堵是交通供给与交通需求不平衡所产生的结果。
这就导致了道路经不起任何的干扰,哪怕一点点的扰动,都可能会给出行带来极大的不便,这种不稳定性也会加剧出行者的困惑,无法准确判断自己的出发时间。
因此行程时间可靠性的研究对提高出行者的出行满意度是十分有必要的。
本文主要基于车牌数据研究了城市道路行程时间可靠性问题,以路段行程时间分布形态为基础,构建路段行程时间累计分布函数,给出路段行程时间可靠性指标。
通过对数据样本的分析,发现相邻路段上行程时间数据具有正向相关性,在此基础上,计算路径行程时间,进而给出路径行程时间累计分布函数。
具体工作主要包括以下几个方面:首先,分批次对数据进行预处理,消除数据噪声。
本文研究基于获取的车牌数据,采用分批次处理的方法,对每一批次的行程时间数据进行处理。
在分批次数据中找到合理的下限值,消除可行时间的异常值,并确定需要保留的数值,改进了采取阈值进行数据去噪的方法,可以有效去除数据的噪声,提高数据的精准度。
其次,采用Monte Carlo模拟算法对路段行程时间可靠性进行研究。
通过本研究的数据样本发现行程时间并不服从于正太分布和对数正太分布,由于数据的复杂性,很难采用数学解析方法求解行程时间可靠性。
通过对路段行程时间分布情况的分析,发现路段行程时间呈现双峰分布,并且在不同的路段和时间段上,行程时间的分布形态具有一定的差异性,采用Monte Carlo模拟算法可以解决在行程时间不具有特定解析函数特征下的可靠性计算问题。
再次,进行了路段的行程时间相关性研究。
发现两个相邻路段的行程时间数据具有一定的正向相关性,验证了并不是所有路段都是独立同分布的,并且通过回归分析的方法来验证相关性的存在。
最后,构建模型求解路径行程时间。
在相邻路段行程时间数据具有一定的相关性的前提下,构建相邻路段的行程时间关联矩阵来描述相邻路段之间行程时间的关联性。
