一种基于动态贝叶斯网络的行程时间预测方法技术

本发明专利技术公开了一种基于动态贝叶斯网络的行程时间预测方法，综合分析道路网络交通状态时空关联关系，通过转换概率、观测值的条件概率和初始状态构建动态贝叶斯网络，提供一种精度高、可靠性好的解释性行程时间预测方法。本方法面向城市交通道路，基于网联车辆数据挖掘交通运行状态关联关系，建立动态贝叶斯网络表征隐藏变量和行程时间观测值之间复杂依赖关系，达到行程时间实时、准确预测的目的。技术方案为：1)表征道路交通网络状态；2)解析交通状态空间相关性；3)解析交通状态时间相关性；4)建立路网状态动态性方程；5)建立行程时间观测模型；6)建立基于动态贝叶斯网络的行程时间预测模型；7)行程时间预测效果评价。7)行程时间预测效果评价。7)行程时间预测效果评价。

【技术实现步骤摘要】
一种基于动态贝叶斯网络的行程时间预测方法


[0001]本专利技术公开了一种基于动态贝叶斯网络的行程时间预测方法，属于智能交通


技术介绍

[0002]在世界经济快速发展的几十年中，交通运输的安全问题、效率问题备受关注，智能交通系统应运而生，并且得到快速发展与部署。当前，城市交通道路运行状态与行程时间估计预测是智能交通系统研究的热门课题，准确的行程时间具有多方面好处。从交通出行者的角度来看，行程时间信息可以通过出行前和途中的路线选择来节省时间，提高可靠性。在物流运输中，这些信息可以增加配送的可靠性，降低配送成本，以及提高服务质量。对于交通规划人员和管理人员来说，这些信息是交通系统运行的关键性能指标，据此可以制定合理的管控措施。然而，在复杂的交通运行环境中，道路行程时间的影响因素众多，是一个复杂的随时空状态变化的道路拥堵评价参数，具有高度不确定性。城市路网中行程时间的影响因素繁杂，主要包括道路长度、车道宽度等道路属性；驾驶员驾驶行为激进度、反应时间等人为因素；交叉口信号控制、速度限制等交通管控手段；天气条件、交通意外事故等环境因素。这些因素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态贝叶斯网络的行程时间预测方法，其特征在于包括如下步骤：步骤一：表征道路交通网络状态。将道路交通网络进行抽象化表示，进行时间离散化假设，定义路网交通状态。步骤二：解析交通状态空间相关性。基于网联车辆轨迹数据，计算不同路段行程时间空间相关性矩阵。步骤三：解析交通状态时间相关性。基于网联车辆轨迹数据，计算相同路段行程时间时间相关性矩阵。步骤四：建立路网状态动态性方程。在考虑交通状态时空关联性的基础上，建立路段状态的动态性方程。步骤五：建立行程时间观测模型。基于网联车辆轨迹数据，提取路段行程时间，定义给定状态下行程时间概率密度函数。步骤六：建立基于动态贝叶斯网络的行程时间预测模型。表征隐藏变量和行程时间观测值间的复杂依赖关系。步骤七：行程时间预测效果评价。通过行程时间预测模型，对城市道路行程时间开展预测，并对预测效果进行评价。2.根据权利1要求的一种基于动态贝叶斯网络的行程时间预测方法，其特征在于：所述的步骤一将交通网络抽象为由节点和边构成的网络G＝(V,E)，并将时间进行离散化表示，用排队车...

【专利技术属性】
技术研发人员：陈鹏，王巧家，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：