近年來,隨著城市化進程的不斷推進,機動車的數(shù)量激增,交通擁堵已經(jīng)成為亟待解決“城市病”之一。在交通擁堵日益嚴重的今天,準確預測出行時間無論對交通管理者還是對出行者都有著重要的意義。而一條出行路徑是由若干路段組成的,所以路段行程時間預測作為出行時間預測的基礎(chǔ),同時也是被使用最為廣泛的交通信息數(shù)據(jù),一直是研究的熱點。在傳統(tǒng)路段行程時間預測的研究中,應用的數(shù)據(jù)大多是環(huán)形線圈探測器采集到的數(shù)據(jù)、浮動車數(shù)據(jù)或出租車數(shù)據(jù),這些數(shù)據(jù)存在著獲取難度大、數(shù)據(jù)量小、數(shù)據(jù)信息不全面等缺點,難以全面地刻畫實際交通的時間動態(tài)變化規(guī)律。并且現(xiàn)有方法多是僅利用目標路段的歷史行程時間進行預測,忽略了相鄰路段的空間相關(guān)性。針對上述缺點,本文建立了基于PCA-PSO-GRNN的路段行程時間預測模型,充分考慮行程時間的時空特性,以滴滴公司公布的網(wǎng)約車出行數(shù)據(jù)為基礎(chǔ),進行了路段行程時間預測的深入研究。首先,考慮可能存在噪聲數(shù)據(jù),對數(shù)據(jù)進行預處理,包括重復數(shù)據(jù)、速度異常數(shù)據(jù)的預處理;運用隱馬爾可夫模型將GPS軌跡投影到路網(wǎng)上,并提取出目標路段及其相鄰路段的行程時間,為行程時間預測做準備。其次,綜合考慮路段行程時間的時空特性,構(gòu)... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

路段示意圖

第三章 數(shù)據(jù)預處理及地圖匹配本文所用數(shù)據(jù)是滴滴公司公開的成都市 2016 年 11 月份的網(wǎng)約車 GPS 定位數(shù)據(jù)。本章針對 GPS 定位數(shù)據(jù)可能存在的錯誤數(shù)據(jù)，包括重復定位數(shù)據(jù)、速度異常數(shù)據(jù)，介紹數(shù)據(jù)清洗的方法；其次描述地圖匹配問題以及常用的地圖匹配算法；最后將介紹本文采用的地圖匹配方法。3.1 數(shù)據(jù)預處理3.1.1 重復數(shù)據(jù)處理本文主要研究城市道路路段的行程時間，主要參考網(wǎng)約車在城市道路上的行駛狀態(tài)。但部分網(wǎng)約車在部分時段可能一直處于靜止狀態(tài)，如圖 3-1 所示 ID 為glox.jrrlltBMvCh8nxqktdr2dtopmlH 的網(wǎng)約車在 11 月 3 日 19:17 到 19:28 一直停留在相同地點，所有定位點的經(jīng)緯度相同，這些冗余的軌跡點不僅消耗存儲空間，還會影響后續(xù)的地圖匹配和行程時間預測的效率。

P1P12P11道路路段候選匹配點圖 3-8 基于概率統(tǒng)計的匹配算法馬爾可夫模型的地圖匹配對網(wǎng)約車 GPS 定位點的經(jīng)緯度坐標進行坐標轉(zhuǎn)換，其次采PS 定位點映射到電子地圖道路網(wǎng)的過程。換的電子地圖是從開源地圖 OpenStreetMap 上獲取的成都市電標系(WGS-84)，而滴滴公司的定位數(shù)據(jù)采用的是火星坐標始定位點投影到電子地圖上，會存在偏移，如圖 3-9 所示的坐標轉(zhuǎn)換為地心坐標系下的坐標。

【參考文獻】：
期刊論文
[1]中國副省級及以上特大城市人口空間分布與多中心性研究[J]. 趙新正,李夢雪,李秋平,李同昇,芮旸.  干旱區(qū)地理. 2017(02)
[2]基于Monte Carlo的行程時間可靠性研究[J]. 張雄飛,李瑞敏,李宏發(fā),史其信.  武漢理工大學學報(交通科學與工程版). 2012(04)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的交通數(shù)據(jù)序列動態(tài)可預測性分析方法[J]. 姜桂艷,常安德,牛世峰,叢玉良,程德明,王秋蘭.  北京工業(yè)大學學報. 2011(07)
[4]基于多源ITS數(shù)據(jù)的行程時間預測體系框架及核心技術(shù)[J]. 聶慶慧,夏井新,張韋華.  東南大學學報(自然科學版). 2011(01)
[5]支持向量機在路段行程時間預測中的應用研究[J]. 姚智勝,邵春福,熊志華.  公路交通科技. 2007(09)
[6]支持向量機理論與應用[J]. 崔長春,劉文林,鄭俊哲.  沈陽工程學院學報(自然科學版). 2007(02)
[7]基于卡爾曼濾波理論的交通信息預測模型及其應用[J]. 李嘉,劉小蘭.  中南公路工程. 2005(04)
[8]基于混沌小波網(wǎng)絡(luò)的交通流預測算法研究[J]. 楊立才,賈磊,何立琴,孔慶杰.  山東大學學報(工學版). 2005(02)
[9]一種行程時間檢測和預測的實現(xiàn)方法[J]. 高作剛,朱健,黃承明,董德存.  交通與計算機. 2004(04)
[10]基于卡爾曼濾波的高速道路行程時間動態(tài)預測[J]. 杭明升,楊曉光,彭國雄.  同濟大學學報(自然科學版). 2002(09)

碩士論文
[1]城市道路交通行程時間預測算法研究及軟件實現(xiàn)[D]. 張金金.北方工業(yè)大學 2014
[2]基于時間序列模型的短時交通流預測的研究與應用[D]. 楊元元.西安電子科技大學 2014
[3]城市道路行程時間預測研究[D]. 張廷.湖南大學 2010
[4]基于浮動車數(shù)據(jù)的城市路段行程時間預測研究[D]. 方志偉.北京交通大學 2007
[5]城市道路行程時間預測方法研究[D]. 楊先平.吉林大學 2005
[6]基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的路段行程時間預測研究[D]. 朱耿先.重慶大學 2004



本文編號：3119870