基于视频卡口数据的行程时间预测模型
城市道路行程时间预测是实时交通运营管理与交通诱导的核心问题之一,也是出行者的重要交通需求.利用视频卡口数据分析路段行程时间特性,研究发现道路行程时间波动在工作日同时段具有相似性等特征.基于该类特性,利用传统卡尔曼滤波、BP神经网络模型以及改进后的卡尔曼滤波模型进行预测.结果表明:改进后的卡尔曼滤波模型优于BP神经网络优于传统卡尔曼模型,同时改进后的卡尔曼模型预测误差小于2min的概率为81.25%,有较高的准确性和可靠性,其预测性能可满足实时交通需求.
道路交通诱导 行程时间 预测模型 视频卡口数据
陈艳艳 李向楠
北京工业大学城市交通学院
国内会议
上海
中文
1-9
2017-06-09(万方平台首次上网日期,不代表论文的发表时间)