本文選題：旅行時(shí)間 + 藍(lán)牙技術(shù)　； 參考：《上海交通大學(xué)》2015年碩士論文

【摘要】：道路的旅行時(shí)間是反映交通狀態(tài)的重要指標(biāo)之一,也是智能交通系統(tǒng)中研究的重要內(nèi)容之一。道路旅行時(shí)間的準(zhǔn)確預(yù)測(cè)是現(xiàn)代交通誘導(dǎo)系統(tǒng)和先進(jìn)的出行者信息系統(tǒng)的重要基礎(chǔ)。交通數(shù)據(jù)的采集是進(jìn)行道路旅行時(shí)間預(yù)測(cè)的前提,傳統(tǒng)的交通數(shù)據(jù)采集方式主要有基于感應(yīng)線圈、基于車牌識(shí)別和基于GPS浮動(dòng)車,過(guò)去大多數(shù)的關(guān)于道路旅行時(shí)間預(yù)測(cè)的研究也主要基于這三種方式所采集的交通數(shù)據(jù)來(lái)建立模型對(duì)未來(lái)的道路旅行時(shí)間進(jìn)行預(yù)測(cè)。隨著技術(shù)的發(fā)展,尤其是智能手機(jī)的普及、車載信息系統(tǒng)的完善以及藍(lán)牙技術(shù)的不斷進(jìn)步,利用藍(lán)牙技術(shù)實(shí)時(shí)采集道路交通數(shù)據(jù)引起了關(guān)注并在一些城市得到了實(shí)際應(yīng)用。該項(xiàng)交通數(shù)據(jù)采集技術(shù)主要是通過(guò)檢測(cè)道路上車輛中的智能手機(jī)、車載藍(lán)牙或者藍(lán)牙耳機(jī)等電子設(shè)備中的藍(lán)牙信號(hào),并獲取這些電子設(shè)備中的藍(lán)牙MAC地址,通過(guò)MAC地址的匹配來(lái)實(shí)時(shí)獲取道路的旅行時(shí)間等交通信息。本文詳細(xì)介紹了藍(lán)牙技術(shù)實(shí)時(shí)采集交通數(shù)據(jù)的原理和基于藍(lán)牙技術(shù)的道路旅行時(shí)間數(shù)據(jù)篩選以及平均旅行時(shí)間的估計(jì)方法。通過(guò)問(wèn)卷調(diào)研了解藍(lán)牙設(shè)備在實(shí)際中的應(yīng)用情況,估計(jì)出車輛中的藍(lán)牙信號(hào)被檢測(cè)到的比例約為2.7%到4.3%之間。為了對(duì)未來(lái)的道路旅行時(shí)間進(jìn)行預(yù)測(cè),本文基于卡爾曼濾波理論和支持向量機(jī)理論以及粒子群優(yōu)化算法,分別建立了基于卡爾曼濾波的短時(shí)旅行時(shí)間預(yù)測(cè)模型和基于支持向量機(jī)的道路旅行時(shí)間預(yù)測(cè)模型。在上海市閔行區(qū)滬閔公路上,利用藍(lán)牙技術(shù)所采集的實(shí)際的道路旅行時(shí)間數(shù)據(jù)為例,對(duì)所建立的預(yù)測(cè)模型的進(jìn)行了參數(shù)選擇、樣本數(shù)據(jù)集的訓(xùn)練和預(yù)測(cè)求解,并與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了對(duì)比分析,結(jié)果表明本文所提出的預(yù)測(cè)模型具有一定的有效性。
[Abstract]:The travel time of the road is one of the important indexes to reflect the traffic state, and it is also one of the important contents in the research of the Intelligent Transportation system (its). The accurate prediction of road travel time is the important foundation of modern traffic guidance system and advanced traveler information system. Traffic data acquisition is the premise of road travel time prediction. The traditional traffic data acquisition methods are mainly based on induction coil, license plate recognition and GPS floating vehicle. Most of the previous studies on road travel time prediction mainly based on the traffic data collected by these three ways to build a model to predict the future road travel time. With the development of technology, especially the popularization of smart phone, the improvement of vehicle information system and the continuous progress of Bluetooth technology, the use of Bluetooth technology to collect road traffic data in real time has attracted much attention and been applied in some cities. The traffic data acquisition technology is mainly by detecting bluetooth signals in smart phones, bluetooth or Bluetooth headsets and other electronic devices on the road, and obtaining Bluetooth MAC addresses in these electronic devices. The MAC address matching is used to get the travel time and other traffic information in real time. This paper introduces in detail the principle of real-time traffic data acquisition based on Bluetooth technology, the selection of road travel time data based on Bluetooth technology and the estimation method of average travel time. The application of Bluetooth device in practice is investigated by questionnaire, and the proportion of Bluetooth signal detected in vehicle is estimated to be between 2.7% and 4.3%. In order to predict the future road travel time, this paper based on Kalman filter theory, support vector machine theory and particle swarm optimization algorithm. The short-term travel time prediction model based on Kalman filter and the road travel time prediction model based on support vector machine are established respectively. Based on the actual road travel time data collected by Bluetooth technology on the Humin Highway in Minhang District, Shanghai, the parameters of the prediction model, the training of the sample data set and the prediction solution are selected. The model is compared with the BP neural network model, and the results show that the proposed prediction model is effective.
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付印平;李麗欣;;旅客旅行時(shí)間價(jià)值在航空票價(jià)中的應(yīng)用[J];華東交通大學(xué)學(xué)報(bào);2011年02期

2 孟祥森;遼中沈陽(yáng)間經(jīng)秦沈線旅行節(jié)約時(shí)間產(chǎn)生的社會(huì)效益計(jì)算[J];鐵道經(jīng)濟(jì)研究;2004年05期

3 魏明;孫博;靳文舟;;灰色旅行時(shí)間的區(qū)域公交車輛調(diào)度模型和算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2012年06期

4 盛鵬;趙樹龍;宋萬(wàn)忠;劉怡光;楊夢(mèng)龍;;基于旅行時(shí)間檢測(cè)系統(tǒng)的交通應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用;2007年11期

5 陳京榮;俞建寧;李引珍;;隨機(jī)時(shí)間依賴交通網(wǎng)絡(luò)自適應(yīng)路徑選擇[J];西南交通大學(xué)學(xué)報(bào);2009年04期

6 李強(qiáng);葛乾;繆立新;;城市道路路段旅行時(shí)間的特性分析[J];交通運(yùn)輸系統(tǒng)工程與信息;2011年05期

7 鄒良東，，毛保華，金安;我國(guó)公路旅行時(shí)間價(jià)值的應(yīng)用模型研究[J];內(nèi)蒙古公路與運(yùn)輸;1996年04期

8 胡天軍,藏學(xué)運(yùn),申金升,雷黎;京滬高速鐵路旅行時(shí)間節(jié)約的價(jià)值分析[J];中國(guó)鐵路;1999年05期

9 李瑞敏;陳熙怡;;多源數(shù)據(jù)融合的道路旅行時(shí)間估計(jì)方法研究[J];公路交通科技;2014年02期

10 趙建東;王浩;劉文輝;;高速公路旅行時(shí)間的自適應(yīng)插值卡爾曼濾波預(yù)測(cè)[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

相關(guān)會(huì)議論文 前4條

1 桑麗;范青藍(lán);郭艷梅;秦玲;吳鵬;;旅行時(shí)間數(shù)據(jù)采集及預(yù)測(cè)技術(shù)綜述[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

2 孫宇星;張可;劉浩;;基于模糊信息提取計(jì)算的旅行時(shí)間預(yù)測(cè)方法[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

3 沙云飛;曹瑾鑫;史其信;;基于GPS的路段旅行時(shí)間和速度估計(jì)算法研究[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

4 金治富;;基于燈控路口交通負(fù)荷水平的旅行時(shí)間的估計(jì)[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前4條

1 記者 孫杰 劉詩(shī)平;10月鐵路再提速[N];新華每日電訊;2001年

2 王士偉 韓鋼;“十五”期間我國(guó)鐵路將進(jìn)行三次提速[N];國(guó)際經(jīng)貿(mào)消息;2001年

3 甘林;鐵路大提速讓西南百姓得利[N];人民鐵道;2007年

4 記者 王豐豐　杜靜;美國(guó)為發(fā)展高鐵擬融逾千億美元[N];新華每日電訊;2010年

相關(guān)博士學(xué)位論文 前1條

1 陳小君;引入?yún)⒄拯c(diǎn)的旅行時(shí)間價(jià)值分析[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 雷甜;基于時(shí)延賦色Petri網(wǎng)的車輛旅行時(shí)間預(yù)測(cè)與分析[D];長(zhǎng)安大學(xué);2015年

2 劉家東;基于卡口系統(tǒng)的路段旅行時(shí)間預(yù)測(cè)及系統(tǒng)原型設(shè)計(jì)[D];山東大學(xué);2015年

3 王群;基于藍(lán)牙技術(shù)的城市道路短時(shí)旅行時(shí)間預(yù)測(cè)方法研究[D];上海交通大學(xué);2015年

4 李朝;基于統(tǒng)計(jì)模型的城市道路交通旅行時(shí)間分析及預(yù)測(cè)方法研究[D];北方工業(yè)大學(xué);2015年

5 陶洪;旅行時(shí)間價(jià)值的理論研究[D];北京交通大學(xué);2011年

6 朱達(dá);基于旅客出行選擇的旅行時(shí)間價(jià)值研究[D];北京交通大學(xué);2008年

7 黃龍超;基于數(shù)據(jù)驅(qū)動(dòng)的路段旅行時(shí)間估計(jì)與預(yù)測(cè)研究[D];北京交通大學(xué);2015年

8 王晶;廣義費(fèi)用識(shí)別中的城市道路路段旅行時(shí)間預(yù)測(cè)[D];北京交通大學(xué);2008年

9 王玫;基于旅行時(shí)間可靠性的城市軌道交通客流分配模型研究[D];北京交通大學(xué);2015年

10 張琨;快速路旅行時(shí)間預(yù)測(cè)算法研究[D];北京交通大學(xué);2008年

本文編號(hào)：1955756