发明名称 | 基于稀疏检测器的行程时间实时估计方法 | ||
摘要 | 本发明公开了一种基于稀疏检测器的行程时间实时估计方法。本发明首先以检测器的交通流速度数据作为分类属性变量,对检测器进行聚类;并从每一类中选取一个数据有效性最高的检测器作为关键检测器;然后以所有关键检测器的检测数据作为输入,以待研路段相应的行程时间数据作为期望输出,对回归分析模型进行训练,得到行程时间实时估计模型;最后利用所得到的行程时间实时估计模型进行行程时间实时估计。本发明仅需使用少量关键检测器的检测数据即可获得准确的行程时间实时估计,可大大降低检测器的维护和维修费用,并且可降低交通管理和信息系统运算设备的性能和存储空间要求。 | ||
申请公布号 | CN106384507A | 申请公布日期 | 2017.02.08 |
申请号 | CN201610832685.5 | 申请日期 | 2016.09.20 |
申请人 | 宁波大学 | 发明人 | 陆丽丽;贺正冰;施展华;郑彭军 |
分类号 | G08G1/01(2006.01)I | 主分类号 | G08G1/01(2006.01)I |
代理机构 | 江苏永衡昭辉律师事务所 32250 | 代理人 | 杨楠 |
主权项 | 基于稀疏检测器的行程时间实时估计方法,其特征在于,包括模型训练阶段和估计阶段;模型训练阶段包括:步骤A、收集待研路段上所预先布设的一组检测器在一段时间内的交通流速度数据;步骤B、以所述交通流速度数据作为分类属性变量,对所述检测器进行聚类;并从每一类中选取一个数据有效性最高的检测器作为关键检测器;步骤C、采集步骤A所预先布设的每个检测器在至少一个时间周期内的检测数据,并根据这些检测数据计算出待研路段相应的行程时间数据;步骤D、以步骤C所采集的各个时刻的所有关键检测器的检测数据作为输入,以待研路段相应的行程时间数据作为期望输出,对回归分析模型进行训练,得到行程时间实时估计模型;估计阶段包括:步骤E、将某一时刻所有关键检测器的实时检测数据输入行程时间实时估计模型,行程时间实时估计模型的输出即为待研路段在该时刻的行程时间估计值。 | ||
地址 | 315211 浙江省宁波市江北区风华路818号 |