分享到:

公交车到站时间暨复合路线旅行时间预估模式的研究

以不同的旅行者需求发展出适宜的公交车到站时间预估模式,并依预测时距分为长期与短期复合路线旅行时间预估模式。在长期公交车旅行时间预估模式的构建中,应用动态随机性旅行时间模式计算旅行时间的期望值与变异数,再利用快  (本文共9页) 阅读全文>>

东北大学
东北大学

不确定旅行时间环境下带时间限制的路径优化模型与算法

路径优化问题是运筹学与管理科学领域一类经典的问题。典型的路径优化问题包括最短路问题、旅行商问题、车辆路径问题等。在交通与物流、计算机网络、通信等应用领域中,很多现实问题都可归结为路径优化问题,因此对路径优化问题的研究不仅具有重要的学术价值,而且具有广泛的应用价值。随着世界经济社会水平的高速发展,人类的生活节奏越来越快,时间也变得越来越宝贵。因此,尤其在以人为运送对象的交通与物流系统中,人的行为因素给路径优化问题带来了新的挑战。在此背景下,研究带时间限制的路径优化问题变得更加重要和急迫,研究成果可以帮助出行者尽量在时间限制内到达终点等等。在现实世界中,车辆旅行时间是不确定的。在路径规划阶段忽略不确定性可能会导致所谓的最优路径在实施阶段却违背预先设定的时间限制,如不确定性导致公交出行时间超出时间预算,导致将顾客送达机场的时刻严重早于或晚于时间窗,等等。而考虑不确定性又会使原本就难以求解的带时间限制的路径优化问题新增一个维度的复杂性,...  (本文共165页) 本文目录 | 阅读全文>>

华东师范大学
华东师范大学

基于海量出租车轨迹数据的旅行时间预测

近年来,随着中国城市化水平的不断提高,机动车数量有加速增长的趋势,而道路基础设施的建设却相对缓慢,城市交通的供需矛盾日益加剧,在很多大中型城市中,交通拥堵正在逐渐成为常态。在这种情况下,出行者的旅行时间复杂多变,出行成本越来越高。如何准确预测未来的旅行时间,对于出行者和交通管理者,都是一个具有重大现实意义的问题。此时,智能交通系统(intelligent transportation system,ITS)的日益成熟和各种海量车辆轨迹数据的出现给旅行时间预测的研究带来了巨大的机遇。在这种背景下,本文希望以海量车辆轨迹数据为数据支撑,对高度城市化地区的旅行时间(travle time)预测问题进行探索。虽然车辆轨迹数据能提供完整时空覆盖的交通信息,但其海量性也给数据的维护和检索带来困难。另外,旅行时间预测的准确度不仅依赖于预测模型的性能,也受限于数据本身的复杂性。因此,在进行旅行时间预测研究之前,还需要从数据质量的角度来研究历史旅...  (本文共127页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

基于轨迹数据网格化方法的快速路旅行时间可靠性研究

随着现代生活节奏的不断加快,出行者更加关注时间的价值,出行时间的延误和可靠性日益得到重视。旅行时间可靠性一直是研究者们关注的交通参数。作为城市道路运行效能评价的重要指标,旅行时间可靠性不仅能衡量城市道路设施的服务水平,还能对道路使用者的出行方案直接进行评价。随着数字信息化技术的全面发展,轨迹数据已成为旅行时间相关研究领域最为常用的数据输入源。使用轨迹数据作为数据源时,往往需要运用地图匹配技术将轨迹匹配至数字地图。这样做的前提是掌握了地图匹配和地理信息系统(GIS)技术,且提供了与轨迹相匹配的数字地图。然而,数字地图获取的难度、GIS技术的困难,以及大数据背景下地图匹配的“耗时”性,都制约着并不专注于GIS技术的研究者们使用轨迹数据。针对上述问题,本文提出了一种轨迹数据网格化的方法。该方法无需数字地图,将轨迹数据匹配至带有网格索引的待研究道路上,得到各个网格内部的旅行时间样本作为数据源。网格化方法没有复杂的算法,能够以较快速度一次...  (本文共80页) 本文目录 | 阅读全文>>

重庆邮电大学
重庆邮电大学

城市道路旅行时间预测研究

道路旅行时间能够直观地反映路段的交通拥堵状态,它是发展智能交通系统的重要基础。实时地预测各关键路段的旅行时间,不仅有助于交通管理部门针对某些潜在拥堵的路段采取交通管制,也可以为行人提供实时的路况信息以及制定最佳出行计划。在交通网络初具规模的今天,利用数据驱动的方法构建智慧交通是目前缓解和预防交通拥堵的主要手段。由于道路旅行时间受诸多环境因素的影响,如何利用交通历史数据集准确且实时地预测各路段的旅行时间,是研究智能交通系统的一个难点。现有的预测算法中要么使用的预测模型过于简单,不能充分结合路网的时空特性提取关键的特征,要么建立的模型在预测的实时性方面受到了限制。考虑到这些问题,本文将选用一种基于回归树的集成算法——随机森林,作为城市道路旅行时间的预测方法。因为随机森林算法更能适应路网的不确定性和复杂性,该算法具有很强的抗干扰能力,算法的预测性能不会受异常值和缺失值的影响,而且模型的训练时间短,比较适合实时性较强的预测场景。论文的研...  (本文共69页) 本文目录 | 阅读全文>>

山东大学
山东大学

基于时空时移特征的短时旅行时间预测

在社会飞速发展、汽车等交通工具大范围普及的时代背景下,城市交通路网变得日益复杂化、多元化,因此对城市交通的承载能力也有了进一步的需求。人们在出行的同时逐渐更为关注通行的时间和效率,精准的旅行时间不仅可以优化居民出行路线,减少不必要的出行拥堵时间,还能够减少繁忙路段的交通流量,避免交通堵塞,缓解交通压力。因而城市短时交通旅行时间预测问题的研究对于改善居民生活和城市交通都具有重要的意义和研究价值。现阶段对于短时交通旅行时间预测问题的研究,主要分为朴素方法,参数方法,非参数方法和混合方法四类。朴素方法如历史平均算法(HA),计算复杂度低,易于部署,然而正是因为缺乏复杂计算,朴素方法通常存在预测结果精度不高的问题;参数方法是指方法模型结构已被预先定义,而模型参数数值需要在实验中计算得到。这类方法主要基于时间序列分析,包括自回归滑动平均(ARMA)模型,差分自回归滑动平均(ARIMA)模型和时空差分自回归滑动平均(STARIMA)模型。这...  (本文共51页) 本文目录 | 阅读全文>>