留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

降雨条件下高速公路短时行程时间预测研究

李萌 谷远利 王硕 陆文琦 张源

李萌, 谷远利, 王硕, 陆文琦, 张源. 降雨条件下高速公路短时行程时间预测研究[J]. 交通信息与安全, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013
引用本文: 李萌, 谷远利, 王硕, 陆文琦, 张源. 降雨条件下高速公路短时行程时间预测研究[J]. 交通信息与安全, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013
LI Meng, GU Yuanli, WANG Shuo, LU Wenqi, ZHANG Yuan. A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions[J]. Journal of Transport Information and Safety, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013
Citation: LI Meng, GU Yuanli, WANG Shuo, LU Wenqi, ZHANG Yuan. A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions[J]. Journal of Transport Information and Safety, 2018, 36(4): 90-96. doi: 10.3963/j.issn.1674-4861.2018.04.013

降雨条件下高速公路短时行程时间预测研究

doi: 10.3963/j.issn.1674-4861.2018.04.013
基金项目: 

交通运输部交通建设科技项目

详细信息
  • 中图分类号: U491

A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions

  • 摘要: 为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.

     

  • 加载中
计量
  • 文章访问数:  302
  • HTML全文浏览量:  65
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-08-28

目录

    /

    返回文章
    返回