基于低频采样浮动车数据的城市路段行程时间精确估计与智能预测研究.docxVIP

基于低频采样浮动车数据的城市路段行程时间精确估计与智能预测研究

一、引言

1.1研究背景与意义

随着城市化进程的快速推进，城市人口和机动车保有量急剧增长，交通拥堵已成为全球各大城市面临的严峻问题。交通拥堵不仅降低了城市的交通效率，增加了居民的出行时间和成本，还对城市经济运行效率产生负面影响，迫使汽车低速行驶，造成石油浪费和废气排放增加，严重影响了居民的生活质量。例如，据荷兰TomTom汽车导航公司发布的2023交通指数，马尼拉的交通拥堵状况在全球387座城市中最为严重，其单程通勤时间平均超过50分钟，部分上班族甚至超过两小时，大马尼拉地区每日因交通拥堵造成的经济损失高达35亿菲律宾比索（约合6100万美元）。

行程时间作为衡量交通状况的关键指标，准确估计和预测城市路段行程时间对于缓解交通拥堵、提升交通效率具有重要意义。它能够为交通管理部门提供实时交通信息，帮助其制定合理的交通管理策略，如交通信号控制、交通诱导等，从而优化交通流分布，减少交通拥堵。对于出行者而言，准确的行程时间预测可以帮助他们合理规划出行路线和出行时间，提高出行效率，减少出行成本。

传统的交通信息采集技术，如环形线圈检测器、地磁检测器等，虽然能够提供一定的交通信息，但存在安装维护成本高、覆盖范围有限等缺点。随着智能交通技术的快速发展，浮动车技术作为一种新型的交通信息采集手段应运而生。浮动车通