利用浮动车大数据进行稀疏路段行程时间推断

摘要：

针对利用实时浮动车数据估计路段行程时间时存在的数据稀疏性问题,提出了构建三层神经网络模型,以目标路段与邻接路段间的特征关系为输入、目标路段与邻接路段行程时间比值为输出,利用浮动车历史大数据获取路段之间的交通时空关联关系,继而用于路段行程时间的推断.采用武汉市2014年3～7月的浮动车GPS历史数据进行验证,得到的路段行程时间估计值的平均绝对百分比误差小于25％,证明了所提方法的有效性.

关键词：浮动车大数据、数据稀疏性、时空关联关系特征、神经网络、行程时间推断

所属期刊栏目：42

分类号：P208(一般性问题)

资助基金：国家863计划2013AA122301;国家科技支撑计划2012BAH35B03.Foundation support:The National 863 Program of China,No.2013AA122301;National Science and Technology Support Program,No.2012BAH35B03

在线出版日期：2017-04-24（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：56-62