基于多維數據的行程時間預測與可靠性研究.pdf

1、隨著交通事業的發展和路網的延伸，高速公路發展水平與公眾交通需求呈現雙增長趨勢，交通信息服務日趨個性化、差別化、精細化。如何對不同車型用戶，不同氣象場景，不同時段等因素影響下的多維交通信息進行挖掘與信息發布，成為新的研究課題?，F代快節奏的生活中，時間價值日益受到重視，出行者越來越關注行程時間的延誤和可靠性。及時發布行程時間預測值及其可靠度，能為駕駛者的路徑選擇提供支持?；诖?，本文利用收費數據與氣象監測數據，以遼寧省高速公路為試驗路段，開

2、展行程時間預測及其可靠性研究，為公眾出行及相關部門管理運營提供決策依據。主要完成的工作及取得的成果包括:
　　(1)研究分析車型、時間、氣象因素對行程時間的影響，設計了以行程時間為主題的多維數據倉庫邏輯模型，搭建數據倉庫結構框架。針對非同源數據的集成問題，提出了一種時空匹配法，實現聯網收費數據與氣象監測數據的集成。提出數據清洗、數據轉換的方法，清除了異常數據，實現了數據格式統一，完善了收費數據倉庫。
　　(2)研究行程時間稀

3、疏數據和異常數據的處理方法。創新性地提出了“上、下游數據構造法”，解決了收費數據的稀疏問題。在相關研究的基礎上提出了“改進四分法”的數據篩選方法，有效剔除了數據中的離群值。處理后，數據信息更加完整，貼近真實情況。設計了行程時間序列的提取方法，為行程時間預測研究做準備。采用OLAP聯機分析處理技術，提取多維行程時間信息，定量地分析了時間、車型、氣象等因素對行程時間的影響，驗證了分維度研究的合理性。
　　(3)研究行程時間序列的自相關

4、與偏自相關特性，利用BIC準則實現模型定階，利用最小二乘法進行參數估計，建立ARMA行程時間預測模型。增設車流量序列作為回歸變量，建立ARMAX預測模型，改善了傳統ARMA模型的預測效果。案例表明，ARMAX的行程時間預測效果良好，能夠滿足實際需要。改善了傳統ARMA模型的預測滯后問題，最大百分比誤差較傳統ARMA模型的降低約5％。
　　(4)研究歷史行程時間的分布特征，利用多種概率模型進行擬合，經過K-S假設檢驗與擬合優度的對比

5、，證明對數正態分布是行程時間可靠性的最優表達模型?；谠撃Ｐ?，確立了行程時間可靠性測度指標的計算方法。選擇變異系數、緩沖指數、計劃時間指數、擁擠頻率作表征歷史行程時間可靠度的指標，運用實例研究了車型、時間、氣象等多維因素對可靠度的影響。提出了預測行程時間可靠概率及預測行程時間緩沖指數，所提出的指標將未來行程時間與歷史統計行程時間相結合，實現對未來行程時間可靠程度的評價，補充了行程時間可靠性指標體系。案例表明預測行程時間可靠性指標對指導路