基于改进遗传卡尔曼算法的短时路段行程时间估计
林园
上海同济城市规划设计研究院有限公司城市开发规划研究院,上海200092
摘要：为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法.利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数.实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度.根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息.
关键词：GAKF行程时间估计浮动车GPS数据
分类号：U491.1(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(51678505)
论文发表日期：2020-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 32-39,53 )
英文信息