降雨条件下高速公路短时行程时间预测研究

• 作者: 张源 李萌 王硕 谷远利 陆文琦
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通工程 行程时间预测 径向基函数神经网络 K最近邻非参数回归 组合预测 降雨
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 90-96
• 页数: 7页
• 分类号: U491
• 字数: 5324字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2018.04.013

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李萌	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	12	72	3.0	8.0
2	王硕	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	13	51	4.0	6.0
3	谷远利	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	18	61	4.0	6.0
4	陆文琦	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	7	16	2.0	3.0
5	张源	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	5	23	2.0	4.0