交通事件持续时间预测的贝叶斯网络模型?

• 作者: 王天倚 邵春福 钱剑培 马雪婧
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通工程 交通事件 持续时间预测 贝叶斯网络 结构学习 MIT 算法 S-ACOB 算法
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 交 通 安 全
• 页码范围: 65-71
• 页数: 7页
• 分类号: U491.31
• 字数: 4739字
• 语种: 中文
• DOI: 10.3963/j.issn 1674-4861.2015.06.010

摘要

交通事件是引发道路交通拥堵的主要因素之一，通过实时交通诱导等手段可以降低其对交通运行造成的影响，而及时准确地预测事件持续时间则是实现有效管控的前提条件.基于 MIT 打分函数，融合自上而下的网络生长规则，引入蚁群算法寻找最优网络结构，即以 S-ACOB 算法为核心搭建最优贝叶斯网络模型.增加了节点随机选择机制及局部结构概率选择模式，降低局部最优结果生成概率，确保贝叶斯网络的健壮性.通过实例验证及对比分析，针对观测节点属性完备和缺失的情况，网络模型预测精度分别为76．97％和93．23％，平均预测精度可达87．82％，证明该模型可以有效地预测交通事件持续时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵春福	北京交通大学城市交通复杂系统理论与技术教育部重点实验室	184	3507	34.0	48.0
2	钱剑培	北京交通大学城市交通复杂系统理论与技术教育部重点实验室	3	9	2.0	3.0
3	马雪婧	北京交通大学城市交通复杂系统理论与技术教育部重点实验室	2	21	2.0	2.0
4	王天倚		1	5	1.0	1.0