基于BP神经网络路径行程时间实时预测模型.pdf

系统工程理论与实践990812 系统工程理论与实践 1999年　第19卷　第8期　Vol.19　No.8　1999 基于BP神经网络的路径行程时间实时预测模型 杨兆升, 朱 中 摘要　行程时间预测是交通流诱导系统研究的一项重要内容. 在分析各种行程时间预测 方法的基础上,本文建立了基于BP神经网络的行程时间实时预测模型, 编制了行程时间 预测软件系统. 利用长春市的交通实测数据对行程时间进行了预测. 关键词　行程时间; 人工神经网络; 预测模型; 交通流诱导系统 A Real-time Travel Time Estimation Model Based on Backpropagation Neural Network YANG Zhaosheng, ZHU Zhong (Jilin University of Technology, Changchun 130025) Abstract　Travel time estimation is an important aspect for the traffic flow guidance system. In this paper, based on analysing several methods to estimate the travel time, we establish a real-time travel time estimation model by using backpropagation neural network. The software system of the model is developed. The model is tested with detected data collected in Changchun city. K time; artificial neural network; prediction model; traffic flow guidance system 1　前言 　　 交通流诱导系统的主要研究内容是行程时间的预测. 为了达到对车辆进行实时诱 导的目的，行程时间的预测必须具有实时性、可靠性和更高的精度. 与此同时，智能运 输系统的电子和通讯技术又为行程时间的预测提供了前所未有的高质量的交通状况数 据采集技术, 这为实时的行程时间预测打下了良好的基础. 　　交通流量是人、车、路之间内在关系的一个综合指标, 它反映出运输网络的交通特 性. 传统行程时间模型是通过分析交通参数与通行能力的关系而预测行程时间的, 不具 ［1］ 有实时特性. 随着交通流诱导系统研究的深入, 行程时间预测已有不少研究. Dailey 确定连续集中信号的最大相关性来预测行程时间，其模型所需的参数比较少, 但这种统 ［2］ 等 计方法在交通拥挤情况下不再适用, 因为此时这种相关性已不复存在. Do H.Nam 人建立了高速公路行程时间模型. 他们是应用随机排队理论和路段上的车辆数来进行时 间预测, 该模型没有对交通状况作任何假设, 具有普遍性, 但该模型没有考虑交叉路口情 ［3］ 等人利用宏观延误模型预测了信号控制路段上车辆行程时间的分 况. Naugi.Rauphail ［4］ 等人将行程时间预测分为静态预测 布, 模型中所需要的交通参数较多. David Boyce 万方数据 file:///E|/qk/xtgcllysj/xtgc99/xtgc9908/9