基于多类型浮动车数据的高速公路路段速度修正模型

作者：孙威巍; 何兆成^*; 陈锐祥; 叶伟佳

来源：中山大学学报(自然科学版), 2018, 57(06): 88-96.

DOI：10.13471/j.cnki.acta.snus.2018.06.011

• 多类型浮动车数据
• 路段速度修正
• 人工神经网络
• 高速公路路段速度

考虑到存在多类型浮动车,且不同车型之间车辆性能等不同,为了获得更加准确的路段速度,本文区分车辆类型,使用人工神经网络技术对浮动车速度和高速公路路段速度进行了建模。利用广州机场高速上的浮动车数据进行验证,并与基于贝叶斯网络的方法进行比较。结果表明:修正前速度的平均绝对相对误差(MAPE)约为20%,平均绝对误差(ABS)约为8 km/h,修正后速度的平均绝对相对误差在10%以内,平均绝对误差在5 km/h以内,说明该方法具有较好的效果。

• 单位
  中山大学