基于k—NN与SCATS交通数据路段行程时间估计方法.docVIP

基于k—NN与SCATS交通数据路段行程时间估计方法 　　摘要： 为了改善利用SCATS交通数据估计路段行程时间的效果，通过分析SCATS实际交通数据获取时间间隔不一致的特征，构建了SCATS交通数据虚拟时间序列，将利用因子分析法提取的累计贡献率在85%以上的主因子作为交通模式特征向量的构成要素，用欧氏距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标，以路段行程时间估计误差最小为目标选取当前交通模式的近邻数，对交通模式之间距离的倒数进行归一化处理，确定了相似交通模式的行程时间权重，设计了基于SCATS交通数据的路段行程时间估计方法.实例结果表明：与多元线性回归方法相比，本文方法估计的路段行程时间平均绝对误差、平均绝对百分比误差和均方根误差分别平均减少了9.68 s、8.07%和4.5 s. 关键词： 悉尼自适应交通控制系统；路段行程时间估计；k近邻算法；因子分析 中图分类号： U491文献标志码： ATravel Time Estimation Method Using SCATS 路段行程时间是反映道路交通状态最为直观有效的交通参数，是进行交通拥挤管理和动态路径诱导的重要基础，在智能交通系统中有着广泛的应用.感应线圈是目前应用最为广泛的交通数据采集手段，以此为基础的路段行程时间估计方法一直是国际交通工程领域的重要研究课题之一[1]. 目前