基于固定型检测器和浮动车的路段行程时间获取技术

被引：8

作者：

杨兆升 ^{[1
]}

于悦 ^{[1
]}

杨薇 ^{[1
]}

机构：

[1] 吉林大学交通学院

来源：

吉林大学学报(工学版) | 2009年 / S2期

关键词：

城市交通流诱导系统; 行程时间预测; 神经网络; 信息融合; 浮动车;

D O I：

10.13229/j.cnki.jdxbgxb2009.s2.043

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082302 ; 082303 ;

摘要：

在深入分析交通流诱导系统信息需求的基础上,提出了一种新的路段行程时间获取技术。首先分别利用固定型检测器和浮动车计算路段平均行程时间,进而应用自适应指数平滑法进行短时预测,最后开发了不同可靠度下基于固定型检测器和浮动车的路段行程时间快速融合算法。试验结果表明,该技术能够准确、高效地获取路段行程时间,为交通流诱导系统提供高质量的输入数据,满足出行者的信息需求。

引用

页码：168 / 171

页数：4

共 7 条

[1] 一种自适应指数平滑动态预测模型 [J].

冯金巧 ;

杨兆升 ;

张林 ;

董升 .

吉林大学学报(工学版), 2007, (06) :1284-1287

[2] 基于浮动车移动检测与感应线圈融合技术的行程时间估计模型 [J].

邹亮 ;

徐建闽 ;

朱玲湘 ;

温惠英 .

公路交通科技, 2007, (06) :114-117

[3] 城市交通流诱导系统中的路段行程时间间接预测方法研究 [J].

于德新 ;

杨兆升 ;

刘雪杰 .

交通与计算机, 2006, (06) :18-21+25

[4] 关于智能运输系统的关键理论——综合路段行程时间预测的研究 [J].

杨兆升 .

交通运输工程学报, 2001, (01) :65-67+89

[5] 基于卡尔曼滤波理论的实时行程时间预测模型 [J].

朱中 ;

杨兆升 .

系统工程理论与实践, 1999, (09) :74-78

[6]

基于浮动车的城市道路行程时间采集与预测方法研究[D]. 杨立娟.吉林大学. 2007

[7]

Neural network model for rapid forecasting of freeway link travel time[J] . Abhijit Dharia,Hojjat Adeli.Engineering Applications of Artificial Intelligence . 2003 (7)

← 1 →