文献类型：期刊文章

作　　者：孙健[1] 张纯[1,2] 陈书恺[2] 薛睿[2] 彭仲仁[1,3]

机构地区：[1]上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室,上海200240 [2]上海交通大学船舶海洋与建筑工程学院交通研究中心,上海200240 [3]佛罗里达大学城市与区域规划系,佛罗里达州盖恩斯维尔32601

出　　处：《长安大学学报（自然科学版）》

基　　金：国家自然科学基金青年科学基金项目(71101109);长沙理工大学公路工程教育部重点实验室开放基金项目(kfj120108)

年　　份：2014

卷　　号：34

期　　号：6

起止页码：145-151

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSCD、CSCD2013_2014、EI(收录号：20145300387950)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：道路行程时间是影响城市交通出行行为的重要因素。当前大多数出行时间研究基于路段进行,假设驾驶人沿着理想最短路径或最快路径行驶,难以对交叉口排队延误等相关时间参数进行精确估计。针对城市任意OD间的出行时间进行分析,采用Kalman滤波方法,利用历史数据对总行程时间进行有效预测。鉴于总行程时间分布存在比较明显的周期性特点,单一Kalman滤波算法难以反映出这种周期性,引入基于季节模型的Kalman滤波算法进行建模和优化。最后,利用深圳浮动车2011年12月连续3d的数据进行实证。研究结果表明:相对于传统的SARIMA模型及普通Kalman滤波算法,优化模型同时考虑总行程时间分布的周期性和时变性,具有较小误差及更好的拟合度;所得预测时间的平均绝对误差(MAE)分别在传统SARIMA模型及普通Kalman滤波算法结果基础上降低了37%和52%,其余误差指标,如均方根误差(RMSE)及最大相对误差(MRE)均有较大下降,从而证明了研究模型的有效性。

关 键 词：交通工程 城市交通 总行程时间预测  季节时间序列  Kalman滤波算法  浮动车数据

分 类 号：U491.1[物流管理与工程类]