结合神经网络和数据融合技术的城市路段速度估计

• 作者: 何兆成 佘锡伟 曾伟良 聂佩林
• 来源期刊: 计算机应用研究
• 关键词: 智能交通系统 浮动车 速度估计 神经网络 数据融合
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4459-4462
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.12.015

摘要

大部分基于浮动车GPS数据的速度估计模型仅适用于GPS数据采样时间间隔小、样本量空间分布密集的理想情况,无法准确计算样本量不足情况下的实时速度.根据浮动车GPS数据点在空间上的分布情况,提出组合三种速度估计模型,以最大限度地提高GPS数据利用率；考虑到GPS数据点在时间上分布不均,在GPS数据不足的情况下,结合神经网络预测和数据融合的技术,根据误差方差融合速度估计模型的测量值和神经网络拟合的预测值,以减少实时估计误差.选择广州市东风路作为测试实例,在高峰和平峰两种交通场景下比较了融合值、测量值和预测值的误差,结果表明结合神经网络和数据融合技术的城市路段速度估计精度和稳定性均优于速度估计模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何兆成	中山大学智能交通研究中心广东省智能交通系统重点实验室	45	758	17.0	26.0
2	聂佩林	中山大学地理科学与规划学院	6	178	5.0	6.0
3	曾伟良	中山大学智能交通研究中心广东省智能交通系统重点实验室	5	55	5.0	5.0
4	佘锡伟	中山大学智能交通研究中心广东省智能交通系统重点实验室	4	95	4.0	4.0