以信号周期为时间窗的路段行程时间估计对交通运行状况分析具有重要意义。通过匹配路段上下游交叉口的自动车牌识别(ANPR,Automatic Number Plate Recognition)数据可以得到车辆的路段行程时间,使用缺失数据集获得的周期车均行程时间难...以信号周期为时间窗的路段行程时间估计对交通运行状况分析具有重要意义。通过匹配路段上下游交叉口的自动车牌识别(ANPR,Automatic Number Plate Recognition)数据可以得到车辆的路段行程时间,使用缺失数据集获得的周期车均行程时间难以准确表征路段交通运行状况。因此本文提出一种基于周期的路段行程时间估计方法,该方法将匹配车辆的行程时间、到离上下游停止线的时刻、信号配时数据作为输入,建立基于最小二乘法的多段到达率行程时间模型,利用该模型对未匹配车辆行程时间进行估计。结果表明该方法能够较好地捕捉原数据特征,随着缺失车辆数的增多能够极大地减小周期车均行程时间误差,并且在79.99%的情况下有正收益,20.58%的情况下收益值大于10s。展开更多
文摘以信号周期为时间窗的路段行程时间估计对交通运行状况分析具有重要意义。通过匹配路段上下游交叉口的自动车牌识别(ANPR,Automatic Number Plate Recognition)数据可以得到车辆的路段行程时间,使用缺失数据集获得的周期车均行程时间难以准确表征路段交通运行状况。因此本文提出一种基于周期的路段行程时间估计方法,该方法将匹配车辆的行程时间、到离上下游停止线的时刻、信号配时数据作为输入,建立基于最小二乘法的多段到达率行程时间模型,利用该模型对未匹配车辆行程时间进行估计。结果表明该方法能够较好地捕捉原数据特征,随着缺失车辆数的增多能够极大地减小周期车均行程时间误差,并且在79.99%的情况下有正收益,20.58%的情况下收益值大于10s。
