結合神經網絡和數據融合技術的城市路段速度估計

摘要：大部分基于浮動車GPS數據的速度估計模型僅適用于GPS數據采樣時間間隔小、樣本量空問分布密集的理想情況，無法準確計算樣本量不足情況下的實時速度。根據浮動車GPS數據點在空間上的分布情況，提出組合三種速度估計模型，以最大限度地提高GPS數據利用率；考慮到GPS數據點在時間上分布不均，在GPS數據不足的情況下，結合神經網絡預測和數據融合的技術，根據誤差方差融合速度估計模型的測量值和神經網絡擬合的預測值，以減少實時估計誤差。選擇廣州市東風路作為測試實例，在高峰和平峰兩種交通場景下比較了融合值、測量值和預測值的誤差，結果表明結合神經網絡和數據融合技術的城市路段速度估計精度和穩定性均優于速度估計模型。