發(fā)布時間：2020-05-25 15:09

【摘要】：智能交通系統(tǒng)(ITS)作為緩解城市交通壓力的有效途徑之一,已經(jīng)成為城市交通發(fā)展的方向,而行程時間預(yù)測是ITS的核心研究內(nèi)容之一,它在交通誘導(dǎo)系統(tǒng)、信號協(xié)調(diào)控制系統(tǒng)等ITS子系統(tǒng)中起著重要作用。目前國內(nèi)外對行程時間預(yù)測研究大多基于浮動車和固定檢測器數(shù)據(jù),少有利用車輛診斷系統(tǒng)(On Board Diagnostic,OBD)數(shù)據(jù)進行相關(guān)的研究,而OBD可以獲取車輛實際運行狀態(tài)下的行車數(shù)據(jù),數(shù)據(jù)量大且覆蓋范圍廣,非常適合于進行交通預(yù)測研究。本文主要研究內(nèi)容包括:(1)對OBD數(shù)據(jù)量及數(shù)據(jù)分布進行了統(tǒng)計分析,依據(jù)閾值法和統(tǒng)計結(jié)果對數(shù)據(jù)中的異常值和缺失值進行了識別與處理,提高了 OBD數(shù)據(jù)的質(zhì)量。(2)基于車輛定位誤差對電子地圖進行格網(wǎng)劃分,設(shè)置了定位點與路段的索引規(guī)則,計算并判定偏差距離與路段行車方向,將OBD數(shù)據(jù)精確匹配到電子路網(wǎng)上。以端點時間插值估計法為基礎(chǔ),針對車輛定位點在路段下游端點附近的位置不同,分別設(shè)置不同的端點時刻計算方法。以北京市阜成門外大街為實驗道路,計算求得了該道路20個工作日的行程時間數(shù)據(jù),經(jīng)相關(guān)性分析,驗證了行程時間數(shù)據(jù)的可靠性。(3)在城市道路行程時間預(yù)測研究中,提出了一種基于新息的卡爾曼濾波行程時間預(yù)測模型,通過觀測新息的變化,實時調(diào)節(jié)噪聲協(xié)方差,以提高卡爾曼濾波的穩(wěn)定性;同時,建立了基于布谷鳥算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的行程時間預(yù)測模型,引入最優(yōu)鳥巢位置降低布谷鳥算法隨機偏好游動機制的強隨機性,利用改進后的布谷鳥算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)參數(shù)的初始值。(4)利用由OBD數(shù)據(jù)得到的道路行程時間數(shù)據(jù)對所建立的模型進行檢驗。結(jié)果表明,兩模型的平均絕對百分比誤差(MAPE)均小于4%,利用基于新息的噪聲協(xié)方差調(diào)整后的卡爾曼濾波的MAPE較未調(diào)整前降低了 3%。經(jīng)過布谷鳥算法優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型MAPE較未優(yōu)化前降低了 3.3%,且相比于遺傳算法,布谷鳥算法對Elman神經(jīng)網(wǎng)絡(luò)初始參數(shù)的優(yōu)化效果更加顯著。
【圖文】：

第六章結(jié)論與展望。對論文工作內(nèi)容和研宄成果進行總結(jié)，指出當(dāng)前工作的逡逑不足，并提出下一步的工作展望。逡逑本文的技術(shù)路線如圖１－１所示。逡逑Ｈ研宄背景與意義逡逑第邐邋邐逡逑一邐緒論邐？？國內(nèi)外研宄現(xiàn)狀逡逑章邐Ｔ￣邐邐邐逡逑Ｌ■？主要研究內(nèi)容與框架逡逑邐邋（邋原始逡逑邐：———邐１邐ＯＢＤ數(shù)據(jù)邋Ｉ逡逑ｗ邐邐邋ｒ＞邋結(jié)構(gòu)與內(nèi)容逡逑銀ｒ＞＞數(shù)據(jù)基本情況——邋—’逡逑＊邐＿數(shù)據(jù)邐邐“邋‘ｆｅｉＳY懾義希渝逋臣樸氪恚咤義險攏體澹峰危淌菰ご礤義襄胃袷醬礤澹巍義顯ご硨蟮膩義襄危卞危希攏氖蒎義希駑，

本文編號：2680335