论文部分内容阅读
城市动态交通诱导是缓解交通拥堵的有效措施之一，出行者可根据诱导信息确定合适的出行路径、出行时间，避免不必要的出行延误。动态路径诱导的核心为动态最短路径选择，现有研究中，受地区经济发展的影响，部分地区路网速度数据完整性不足，导致路径规划结果与实际存在差异；在动态最短路径选择过程中，未充分考虑到道路交通状态的时变性。针对以上问题，本文以在线地图速度数据为基础，基于在线地图速度数据构建了GCN-LSTM-BP路段短时交通速度预测模型，基于速度预测信息对城市动态行程时间最短路径选择算法进行了研究。
首先，对论文研究所需数据的获取方式进行了阐述。考虑到采用传统数据采集方式获取大规模路网速度数据存在一定局限性，本文采用在线地图速度数据替代传统速度数据，通过调用百度、高德等在线地图服务平台提供的API，获取在线地图中路网各交叉口经纬度坐标，根据相邻交叉口经纬度坐标，批量爬取不同时段路段里程及行程时间，计算路段行程速度，实现对路网速度数据的采集。
其次，基于获取的在线地图速度数据构建了路段短时交通速度预测模型。从道路交通速度时空相关性出发，基于GCN网络构建了道路交通速度空间依赖关系挖掘模型，基于LSTM网络构建了道路交通速度时间依赖关系挖掘模型，采用BP神经网络对经GCN网络与LSTM网络处理后的百度地图路段速度数据以及高德地图路段速度数据进行融合，构建了基于GCN-LSTM-BP网络的路段短时交通速度预测模型，实现了对路段速度的预测。实验结果表明，相比于仅考虑速度时间特征的模型，本文提出的同时考虑时空特征的预测模型具备更好的预测效果。
最后，基于速度预测信息构建了城市动态行程时间最短路径选择模型，并改进Dijkstra算法对模型进行了求解。考虑到传统Dijkstra算法在计算起讫点间最短路径时易将冗余节点纳入搜索范围，增加算法时间复杂度，本文提出了考虑时变矩形区域限制的Dijkstra算法，根据不同出发时刻起讫点间行程时间最短路径长度与欧式距离的关系，对Dijkstra算法搜索区域加以限制，以此改进Dijkstra算法，减少算法搜索时间，提升算法运行效率。根据实际路网及路网速度预测值，分别采用传统Dijkstra算法以及改进后Dijkstra算法对路网中一定数量OD对的动态行程时间最短路径进行了选择，进一步验证了算法的有效性及可靠性。
首先，对论文研究所需数据的获取方式进行了阐述。考虑到采用传统数据采集方式获取大规模路网速度数据存在一定局限性，本文采用在线地图速度数据替代传统速度数据，通过调用百度、高德等在线地图服务平台提供的API，获取在线地图中路网各交叉口经纬度坐标，根据相邻交叉口经纬度坐标，批量爬取不同时段路段里程及行程时间，计算路段行程速度，实现对路网速度数据的采集。
其次，基于获取的在线地图速度数据构建了路段短时交通速度预测模型。从道路交通速度时空相关性出发，基于GCN网络构建了道路交通速度空间依赖关系挖掘模型，基于LSTM网络构建了道路交通速度时间依赖关系挖掘模型，采用BP神经网络对经GCN网络与LSTM网络处理后的百度地图路段速度数据以及高德地图路段速度数据进行融合，构建了基于GCN-LSTM-BP网络的路段短时交通速度预测模型，实现了对路段速度的预测。实验结果表明，相比于仅考虑速度时间特征的模型，本文提出的同时考虑时空特征的预测模型具备更好的预测效果。
最后，基于速度预测信息构建了城市动态行程时间最短路径选择模型，并改进Dijkstra算法对模型进行了求解。考虑到传统Dijkstra算法在计算起讫点间最短路径时易将冗余节点纳入搜索范围，增加算法时间复杂度，本文提出了考虑时变矩形区域限制的Dijkstra算法，根据不同出发时刻起讫点间行程时间最短路径长度与欧式距离的关系，对Dijkstra算法搜索区域加以限制，以此改进Dijkstra算法，减少算法搜索时间，提升算法运行效率。根据实际路网及路网速度预测值，分别采用传统Dijkstra算法以及改进后Dijkstra算法对路网中一定数量OD对的动态行程时间最短路径进行了选择，进一步验证了算法的有效性及可靠性。