摘要:路段行程时间预测是交通信息智能预测的一个组成,使用的预测模型,较准确地预测路段下一个或下几个时间段的行程时间。路段行程时间预测无论对于交通管理者还是出行者来说都非常,出行者可以参考路段行程时间的预测值在出行前计划好路径选择,提高出行效率。交通管理者则可以预测值提前做好交通分流、交通管制等工作,从而地改善道路的拥堵。路段行程时间预测有历史的和实时的交通信息数据支撑,浮动车系统是一种新兴的交通信息采集方式,浮动车被装上GPS设备,在路上行驶时以一定时间间隔向终端发回实时的行驶数据,利用这些数据可以估算出浮动车所经路段的行程时间。主要利用广东省交通厅的浮动车数据预测广东省高速公路各路段的行程时间。浮动车数据中的车辆位置信息只包含经纬度,因此将浮动车匹配到它所行驶的路段上,匹配称为地图匹配,高速公路的特点设计一个简单高效的地图匹配算法。浮动车数据匹配到地图后,使用一定的计算方法将它转换为路段的行程时间,并经验模态分解与支持向量回归相的路段行程时间预测方法。使用美国华盛顿州高速公路的交通数据集及广东省交通厅的浮动车数据实验验证,证明所的方法是的。,应用上面提到的地图匹配算法及路段行程时间预测方法,基于ArgisEngine工具实现一个预测广东省高速公路路段行程时间的可视化系统。关键词:浮动车论文路段行程时间论文经验模态分解论文支持向量回归论文预测论文
摘要3-4
Abstract4-8
第1章 概述8-16
1.1 选题的背景与8-10
1.2 行程时间及行程时间预测的定义10-12
1.3 问题描述12-14
1.4 的工作14-15
1.5 论文组织结构15-16
第2章 浮动车数据处理16-30
2.1 浮动车数据采集16-17
2.2 路段划分17
2.3 地图匹配17-28
2.4 路段行程时间估计28-29
2.5 小结29-30
第3章 行程时间预测工作30-41
3.1 回归模型30-33
3.2 时间序列分析模型33-34
3.3 卡尔曼滤波模型34-37
3.4 神经网络37-40
3.5 小结40-41
第4章 的方法41-71
4.1 支持向量机41-57
4.2 支持向量回归57-63
4.3 经验模态分解63-68
4.4 的方法68-70
4.5 小结70-71
第5章 实验71-92
5.1 实验参数71-72
5.2 实验一72-79
5.3 实验二79-86
5.4 参数敏感性分析86-91
5.5 小结91-92
第6章 系统分析设计和实现92-114
6.1 系统需求分析92-96
6.2 系统设计96-102
6.3 系统设计102-111
6.4 系统的实现与应用111-113
6.5 小结113-114
第7章 总结与展望114-116
7.1 的工作总结114
7.2 的研究工作114-116