基于多源數據的城市道路網絡行程時間預測模型＊

江 周 張存保 許志達 嚴鳳祥 丁國飛

（1.武漢理工大學智能交通系統研究中心 武漢430063；2.嘉興市交通運輸局 浙江嘉興314001）

0 引 言

行程時間作為反映交通狀況的重要指標之一，既能為交通管理部門提供交通管理與控制的數據支持，又能為出行者選擇出行路線或調整出行計劃提供依據。在先進的交通管理系統和先進的出行者信息服務系統中，行程時間預測是構建這2系統的核心基礎之一。

目前，行程時間預測已成為智能交通系統的熱點研究領域。國內外關于行程時間預測的方法主要有：卡爾曼濾波［2］、自回歸模型［3］、指數平滑［4］、支持向量機［5］和人工神經網絡［6］等。其中，卡爾曼濾波模型具有實時性強、預測精度高、計算所需的計算量和存儲空間較少、可以在線預測等優點，得到了廣泛關注和應用。朱中［7］、溫惠英等［8］利用固定檢測器數據分別預測高速公路行程時間和城市道路行程時間；唐俊［9］、朱愛華［10］利用浮動數據分別預測高速公路行程時間和城市道路行程時間。但是，在利用卡爾曼濾波進行行程時間預測時，現有研究大多采用單一數據源進行預測。而采用單一數據源進行預測時，受外部環境的影響較大，預測精度不高。由于浮動車與固定檢測器在交通信息種類、數據精度等方面具有較強的互補性，筆者綜合利用多種檢測器采集的交通數據，建立行程時間預測模型，從而提高城市道路網絡行程時間預測的準確性。

1 行程時間預測模型的輸入參數選取

目前，在實際交通數據采集過程中，常采用浮動車、固定檢測器進行數據采集。……