|本期目录/Table of Contents|

[1]蔡火荣,何利力.基于速度矩阵和人工神经网络的行程时间组合离线预测模型[J].浙江理工大学学报,2017,37-38(自科6):851-858.
　CAI Huorong,HE Lili.A Combined Offline Travel Time Prediction Model Based on Speed Matrix and Artificial Neural Network[J].Journal of Zhejiang Sci-Tech University,2017,37-38(自科6):851-858.
点击复制

基于速度矩阵和人工神经网络的行程时间组合离线预测模型()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第37-38卷
期数:
2017年自科6期
页码:
851-858
栏目:
出版日期:
2017-11-10

文章信息/Info

Title:
A Combined Offline Travel Time Prediction Model Based on Speed Matrix and Artificial Neural Network
文章编号:
1673-3851 (2017) 06-0851-08
作者:
蔡火荣; 何利力
浙江理工大学信息学院，杭州 310018
Author(s):
CAI Huorong;  HE Lili
School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
行程时间预测; 人工神经网络; 智能交通; 时空相关性
分类号:
TP183
文献标志码:
A
摘要:
根据行程中车辆运行状态的时空相关性，结合矩阵的空间结构，构建了路段时段平均速度矩阵，以表示车辆在行程中不同时空中的运行状态，并提出了一种基于该矩阵模拟车辆运行的行程时间离线预测模型。在此基础上，为了进一步提高该矩阵预测效果，结合相邻行程间的非线性规律，将路段-时间平均矩阵预测模型与BP神经网络模型相结合，构建出一种行程时间组合预测模型。以湖南中烟工业有限责任公司物流配送数据为数据集进行实验，结果表明：该组合模型的预测效果优于单一模型。

参考文献/References:

［1］ 唐少虎,刘小明,陈兆盟,等.基于计算实验的城市道路行程时间预测与建模［J］.自动化学报,2015,41(8):1516-1527．
［2］ 于德新,高学英,杨兆升.基于GPS数据及车辆运行特性分析的单车路段行程时间估计［J］.吉林大学学报:工学版,2010,40(4):965-970．
［3］ XIA J, CHEN M, HUANG W. A multistep corridor traveltime〖JP〗 prediction method using presencetype vehicle detector data［J］. Journal of Intelligent Transportation Systems,2011,15(2):104-13．
［4］ 任千里,刘恒,雷晓斌,等.基于车牌照数据的城市快速路行程时间短时预测方法研究［J］.交通与运输,2011,27（B12）:61-65．
［5］ 丁宏飞,李演洪,刘博,等.基于BP神经网络与SVM的快速路行程时间组合预测研究［J］.计算机应用研究,2016,33(10):2929-2932．
［6］ 姜桂艳,李琦,董硕.基于kNN和SCATS交通数据的路段行程时间估计方法［J］.西南交通大学学报,2013,2:025．
［7］ LI C S, CHEN MC. A data mining based approach for travel time prediction in freeway with nonrecurrent congestion［J］. Neurocomputing,2014,133(8):74-83．
［8］ 柏丛,彭仲仁.基于动态模型的公交车行程时间预测［J］.计算机工程与应用,2016,52(3):103-107．

备注/Memo

备注/Memo:
收稿日期：2017-05-21
网络出版日期： 2017-10-10
作者简介： 蔡火荣(1992-)，男，湖北武汉人，硕士研究生，主要从事数据挖掘方面的研究
通信作者： 何利力，E-mail:llhe@zju.edu.cn
更新日期/Last Update: 2017-11-16