降雨条件下高速公路短时行程时间预测研究

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.

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

所属期刊栏目：36

分类号：U491(交通工程与公路运输技术管理)

资助基金：交通运输部交通建设科技项目2011308223330

在线出版日期：2018-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：90-96