论文部分内容阅读
行程时间是反映路网运行效率的关键指标，它可以很好的评价道路畅通情况，对交通管控以及出行规划指导均起着重要作用。在高峰期间出行时，唯一可以选择的就是提前出发才能够准时的到达目的地，因此对行程时间进行估计，计算其行程时间可靠性对于出行者的规划指导具有重要意义。基于此，本文以重庆市部分路段为实验路段，利用python爬取路段的监测数据和高德地图在线数据，以此开展行程时间动态估计和可靠性计算方法研究。主要完成的工作和成果包括：
首先分析了不同交通状态（即非拥挤状态和拥挤状态）下的交通需求与行程时间的关系，以及一些偶然事件对行程时间的影响，从而确定了影响行程时间的两个主要影响因素主要是交通需求周期性和随机波动。并通过实际路径上的行程时间分布特性验证这两个影响因素的合理性。随后对行程时间可靠性的基本概念和几种常见的行程时间分布函数以及用于评价行程时间可靠性的指标进行了介绍，为后文行程时间分布预测和可靠性计算作基础。
其次，根据交通需求和随机波动影响建立路段行程时间计算模型，并通过考虑不同交通状态下的行程时间变化规律建立了路段形成时间概率分布模型，利用最大似然法进行参数估计。通过交通需求的动态变化特征和路段之间的相关性，建立了路径行程时间估计模型。利用高斯分布、对数正态分布和伽马分布等对实际路段的行程时间进行拟合分布验证，并通过计算P-Value、SSE和R-Square值对拟合效果进行了分析，结果表明正态分布确实能较好用于行程时间的的拟合。
最后，结合路段和路径的行程时间分布函数和行程时间可靠性阈值，分别建立了路段和路径的行程时间可靠性计算模型。并通过基于LSTM神经网络预测模型、BP神经网络预测模型和AMRA时间序列预测模型和建立一个预测行程时间的综合预测模型，使该模型预测得到的行程时间与规定阈值条件下计算得到的可靠性计算结果对比。结果表明预测得到的行程时间大部分都小于规定的行程时间阈值，从而验证其规定阈值条件下计算的行程时间可靠性是准确的。
首先分析了不同交通状态（即非拥挤状态和拥挤状态）下的交通需求与行程时间的关系，以及一些偶然事件对行程时间的影响，从而确定了影响行程时间的两个主要影响因素主要是交通需求周期性和随机波动。并通过实际路径上的行程时间分布特性验证这两个影响因素的合理性。随后对行程时间可靠性的基本概念和几种常见的行程时间分布函数以及用于评价行程时间可靠性的指标进行了介绍，为后文行程时间分布预测和可靠性计算作基础。
其次，根据交通需求和随机波动影响建立路段行程时间计算模型，并通过考虑不同交通状态下的行程时间变化规律建立了路段形成时间概率分布模型，利用最大似然法进行参数估计。通过交通需求的动态变化特征和路段之间的相关性，建立了路径行程时间估计模型。利用高斯分布、对数正态分布和伽马分布等对实际路段的行程时间进行拟合分布验证，并通过计算P-Value、SSE和R-Square值对拟合效果进行了分析，结果表明正态分布确实能较好用于行程时间的的拟合。
最后，结合路段和路径的行程时间分布函数和行程时间可靠性阈值，分别建立了路段和路径的行程时间可靠性计算模型。并通过基于LSTM神经网络预测模型、BP神经网络预测模型和AMRA时间序列预测模型和建立一个预测行程时间的综合预测模型，使该模型预测得到的行程时间与规定阈值条件下计算得到的可靠性计算结果对比。结果表明预测得到的行程时间大部分都小于规定的行程时间阈值，从而验证其规定阈值条件下计算的行程时间可靠性是准确的。