（计算机应用技术专业论文）基于置信区间的贝叶斯网络行程时间预测研究.pdf

独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中己注明引用的内容以外，本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果，也不包 含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标 明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 1 年立au了立地日帚、x六 学位论文版权使用授权书 江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期 刊( 光盘版) 电子杂志社有权保留本人所送交学位论文的复印件和电 子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文 档的内容和纸质论文的内容相一致，允许论文被查阅和借阅，同时授 权中国科学技术信息研究所将本论文编入中国学位论文全文数据 库并向社会提供查询，授权中国学术期刊( 光盘版) 电子杂志社将 本论文编入中国优秀博硕士学位论文全文数据库并向社会提供查 询。论文的公布( 包括刊登) 授权江苏大学研究生处办理。 本学位论文属于不保密口。 指导教师签 彦1 ，f 年多月 01卫1n 、：y 停 专名 p 签 可椭钿 作，史 年 论 位 汤 靴 切 江苏大学硕士研究生学位论文 摘要 世界范围内的经济发展、社会进步和城市化进程的加快，道路交通与社会 经济生活的联系也越来越紧密，随着机动车数量的不断增加，交通堵塞、交通 事故、能源浪费、环境污染等问题已成为影响社会发展的消极因素，至此智能 交通系统应运而生，利用该系统能够提高交通管理水平、降低能耗、减少交通 事故，实现道路交通社会效益与经济效益最大化。 先进的出行者信息系统和先进的道路交通管理系统是智能交通系统的核心 子系统，行程时间预测是实现核心子系统多种功能的重要基础，行程时问预测 一直是智能交通研究的核心问题之一。实时、准确、经济的道路网络的行程时 间预测对智能交通系统的研究、开发、建设与运营具有重要意义。 本文主要针对基于置信区问的贝叶斯神经网络的行程时间预测进行了系统 的研究，并将应用于智能交通系统中。具体的研究内容概括如下： ( 1 ) 本文提出了利用公路车辆智能监测记录系统和车牌匹配技术收集原始 行程时间数据的方法，并且介绍了行程时问预测的相关技术，并对一些常用行 程时间预测算法进行分析和比较。 ( 2 ) 针对神经网络预测模型的训练方法收敛速度过慢，易出现局部最小值 等不足，本文提出了利用贝叶斯推理状态空间神经网络模型。利用此方法能够 加快模型收敛，局部结果波动范围小，且整体稳定性强。 ( 3 ) 针对以往行程时间预测模型训练时问过长，预测模型的权值更新及彼 此之间的复杂度难以控制等弊端，本文提出了利用终止条件控制模型的训练过 程，缩短模型训练时间，提供更加快速的预测信息。 ( 4 ) 为了确保行程时间预测结果的稳定性，本文提出利用可变控制因子限 制的置信区间对模型的预测结果进行规范。预测结果稳定性强，能够给道路交 通的管理者和出行者更加精确的估计时间。 利用2 0 0 7 年9 月某市滨河路和2 0 0 9 年4 月某市坊子大队干线的交通数据 对模型进行验证，实验表明该模型能够缩短训练时间，具有较好的鲁棒性、准 确性。 江苏大学硕士研究生学位论文 关键词：行程时间，贝叶斯推理，状态空问神经网络，终止条件，超级参数， 控制因子，置信区间 江苏大学硕士研究生学位论文 a b s t r a c t w o r l d w i d ee c o n o m i cd e v e l o p m e n t ，s o c i a lp r o g r e s sa n dt h ea c c e l e r a t i o no f u r b a n i z a t i o n ，r o a dt r a n s p o r ta n ds o c i a la n de c o n o m i cl i f eo ft h ei n c r e a s i n g l yc l o s et i e s ， w i t ht h ei n c r e a s i n gn u m b e ro fm o t o rv e h i c l e s ，t r a f f i cj a m s ，t r a f f i ca c c i d e n t s ，e n e r g y w a s t e ，p o l l u t i o na n do t h e ri s s u e sh a v eb e c o m ean e g a t i v ef a c t o ra f f e c t i n gs o c i a l d e v e l o p m e n t ，s ot h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e mc a m ei n t ob e i n g ，t ou s et h i s s y s t e mt oi m p r o v et r a f f i cm a n a g e m e n t ，r e d u c ee n e r g yc o n s u m p t i o n ，r e d u c et r a f f i c a c c i d e n t s ，r o a dt r a f f i ct oa c h i e v em a x i m u ms o c i a la n de c o n o m i cb e n e f i t a d v a n c e dt r a v e l e ri n f o r m a t i o ns y s t e ma n da d v a n c e dt r a f f i cm a n a g e m e n ts y s t e m a r et h ec o r es u b s y s t e mi n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，t r a v e lt i m ep r e d i c t i o ni sa n i m p o r t a n tb a s i st oa c h i e v eav a r i e t yo ff u n c t i o n sf o rt h ec o r es u b s y s t e m ，t r a v e lt i m e p r e d i c t i o nh a sa l w a y sb e e no n eo ft h ec o r ep r o b l e m sf o ri n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m r e a l - t i m e ，a c c u r a t ea n de c o n o m i c a lt r a v e lt i m ep r e d i c t i o nf o rr o a dn e t w o r k o ni n t e l l i g e n tt r a n s p o r t a t i o ns y s t e mr e s e a r c hi so fg r e a ts i g n i f i c a n c ei nd e v e l o p m e n t ， c o n s t r u c t i o na n do p e r a t i o n i nt h i sp a p e r ，b a s e do nc o n f i d e n c ei n t e r v a l sf o rt h eb a y e s i a nn e u r a ln e t w o r ki n t r a v e lt i m ep r e d i c t i o ns y s t e mi ss t u d i e da n da p p l i e dt o i n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m s p e c i f i cr e s e a r c hs u m m a r i z e da sf o l l o w s ： ( 1 ) t h i sp a p e rp r o p o s e dr o a dv e h i c l e si n t e l l i g e n tm o n i t o r i n gr e c o r d i n gs y s t e m a n dl i c e n c ep l a t em a t c h i n gt e c h n o l o g yt oc o l l e c tp r i m i t i v et r a v e lt i m ed a t a i n t r o d u c e d t h er e l a t e dt e c h n i q u e so ft r a v e lt i m ep r e d i c t i o n ，a n ds o m ec o m m o n l yu s e dt r a v e lt i m e p r e d i c t i o na l g o r i t h mw e r ea n a l y z e da n dc o m p a r e d ( 2 ) b e c a u s eo ft h et r a i n i n gm e t h o d so fn e u r a ln e t w o r kp r e d i c t i o nm o d e l sh a v et o o s l o wc o n v e r g e n c er a t e ，p r o n et ol o c a lm i n i m u ma n ds oo n ，t h i sp a p e rp r o p o s e d b a y e s i a ni n f e r e n c es t a t es p a c en e u r a ln e t w o r km o d e l u s i n gt h i sm e t h o dc a ns p e e du p t h em o d e lc o n v e r g e n c e ，r e d u c ep a r t i a lr e s u l t so ff l u c t u a t i o n ，a n de n h a n c et h eo v e r a l l s t a b i l i t y ( 3 ) d i r e c ta ts u c hd r a w b a c k sf o rt r a i n i n gt o ol o n g ，t h ew e i g h to fu p d a t ea n de a c h o t h e rd i f f i c u l tt oc o n t r o lt h ec o m p l e x i t yo ff o r e c a s tm o d e lo nt r a v e lt i m ep r e d i c t i o n m o d e li nt h ep a s t ，t h et e r m i n a t i o nc o n d i t i o ni sp r o p o s e di nt h i sp a p e ra n dc o n t r o lt h e 1 1 1 江苏大学硕士研究生学位论文 m o d e lt r a i n i n gp r o c e s s ，b ys h o r t e n i n gt h et r a i n i n gt i m ea n dp r o v i d i n gm o r eq u i c k l y p r e d i c t i v ei n f o r m a t i o n ( 4 ) i no r d e r t oe n s u r et h es t a b i l i t yo ft r a v e lt i m ep r e d i c t i o n ，t h i sp a p e rp r e s e n t st h e a l t e r a b l ec o n t r o lf a c t o rt ol i m i tp r e d i c t i o nc o n f i d e n c ei n t e r v a l w h i c hs t a n d a r dt h e p r e d i c t e d r e s u l t so fs p e c i f i c a t i o nf o rt h eu s i n gm o d e l s t h i sm e t h o dh a ss t r o n g p r e d i c t e ds t a b i l i t y , a n di sa b l et op r o v i d eam o r ep r e c i s ee s t i m a t eo ft h et i m ef o rr o a d t r a f f i cm a n a g e r sa n dt r a v e l e r s b ys e p t e m b e r2 0 0 7r i v e r b a n kr o a d ，s h e n z h e nc i t y , a n dm a r c h2 0 0 9f a n g z i t e a m ，t h et r a f f i cd a t at ov e r i f yt h em o d e l ，e x p e r i m e n t ss h o wt h a tt h em o d e lc a n r e d u c et h et r a i n i n gt i m e ，a n dh a sg o o dr o b u s t n e s sa n da c c u r a c y k e y w o r d s ：t r a v e lt i m e ，b a y e s i a n i n f e r e n c e ，s t a t e s p a c e n e u r a l n e t w o r k ， t e r m i n a t i o nc o n d i t i o n ，h y p e r - p a r a m e t e r s ，c o n t r o lf a c t o r , c o n f i d e n c e i n t e r v a l i v 江苏大学硕士研究生学位论文 目录 第一章绪论1 1 1 课题研究现状1 1 2 问题的提出3 1 3 研究目的及意义4 1 4 论文的主要研究内容一5 1 5 论文组织结构一6 第二章道路行程时间预测需求及方法分析8 2 1 概述8 2 2 道路行程时间预测需求分析一9 2 3 道路行程时问预测技术分析1 1 2 3 1 数据挖掘技术一1 1 2 3 2 道路交通数据信息固定采集方法研究一1 2 2 3 3 数据处理一1 4 2 3 4 贝叶斯推理1 6 2 4 行程时间预测方法分析1 8 2 4 1 卡尔曼滤波预测方法1 8 2 4 2 神经网络预测方法一1 9 2 4 3 小波分解与重构预测方法一2 1 2 4 4 时间序列预测方法2 2 2 4 5 非参数回归模型预测方法2 3 2 5 小结2 3 第三章基于置信区间的贝叶斯网络行程时间预测2 4 3 1 概j 超2 4 3 2 行程时间预测模型描述2 4 3 3 行程时间预测的贝叶斯模型理论2 6 3 4 预测模型训练控制研究2 9 3 5 行程时间预测模型终止条件研究2 9 3 6 预测结果的置信区间研究3 l 3 7 预测方法算法描述3 2 3 8 小结3 4 第四章基于置信区间的贝叶斯网络行程时间预测实验分析3 6 4 1 概述3 6 江苏大学硕士研究生学位论文 4 2 行程时间预测模型实验数据描述：3 6 4 2 1 公路车辆智能监测记录系统数据监测3 7 4 2 2 车辆号牌识别3 8 4 2 3 中心处理单元号牌匹配3 9 4 2 4 数据处理4 0 4 3 行程时问预测实验及结果分析：4 0 4 4 行程时间预测实验总结4 4 4 5 小结4 5 第五章行程时间预测系统设计与实现4 6 5 1 行程时间预测系统设计简介4 6 5 2 行程时间预测系统设计思想4 7 5 3 行程时问预测系统主要模块分析4 9 5 3 1 车牌自动识别模块4 9 5 3 2 车牌照匹配技术一5 0 5 3 3 原始行程时间计算5 0 5 4 行程时问预测系统实现5 1 5 4 1 系统开发环境51 5 4 2 基于贝叶斯网路的行程时间预测系统实现5 2 5 5 小结5 7 第六章总结与展望5 7 6 1 总结5 7 6 2 展望5 8 参考文献5 9 致谢6 2 申请学位期间的研究成果及发表的学术论文6 3 u 江苏大学硕士研究生学位论文 1 1 课题研究现状 第一章绪论 随着社会经济的快速发展，城市化、机动化进程加快，越来越迫切地需要建 立一种大范围内、全方位发挥作用的实时、准确、高效的道路交通管理综合集成 系统。为了不断提高交通管理水平，探索和发展科学的、行之有效的交通管理措 施，改善交通状况，公安局交通警察支队以道路交通智能管理系统( i n t e l l i g e n t t r a n s p o r t a t i o nm a n a g e m e n ts y s t e m ，简称i t m s ) 为基本框架丌展交通管理科技工 程项目的建设。随着智能化交通管理系统建设项目的实施，道路交通管理将向现 代化、智能化、科学化发展。 交通系统是由人、机动车、道路构成的复杂系统，通常我们可以把一个交通 系统看成为动态的非线性系统。智能交通系统i t s ( i n t e l l i g e n tt r a f f i cs y s t e m ，i t s ) 是在关键交通基础理论研究的前提下，把先进的信息技术、数据通信技术、图像 处理技术、电子控制技术及计算机处理技术等有效的、综合的运用于地面交通运 输体系，从而建立起的一种大范围、全方位发挥作用、实时、准确、高效的交通 运输管理系统l lj 。 先进的出行者信息系统( a d v a n c e dt r a v e l e ri n f o r m a t i o ns y s t e m ，a t i s ) 和先进 的道路交通管理系统( a d v a n c e dt r a n s p o r tm a n a g e m e n ts y s t e m ，a t m s ) 是智能交通 系统的核心子系统，a t i s 可以提供多种交通方式的出行计划分析和实时可畅通 路线引导，能为各种类型的驾驶员、其它出行者、交通指挥者以及应急指挥中心 提供咨询和决策分析服务。a t m s 的核心功能是对道路交通运行状态进行识别分 析、对道路交通流进行控制、对紧急事件做出快速反应以及预测道路行程时间， 其目的是缩短出行时间、降低社会能耗、减少交通事故以及提高交通管理水平， 实现道路交通社会效益与经济效益最大化。 智能交通系统i t s ( i n t e l l i g e n tt r a f f i cs y s t e m ，i t s ) 研究领域，以实现道路交通 的信息化、智能化为目标的动态交通流信息采集系统的开发与应用讵以欧洲、美 国、日本为中心迅速展开，为行程时间预测打下了硬件与软件基础。许多其他国 江苏大学硕士研究生学位论文 家和地区也纷纷投入力量开展行程时间预测的研究活动，目前行程时问预测已成 为国际研究的热点问题之一【2 1 。 随着智能交通系统研究的深入，行程时间预测已有不少成果。d o h n a m ( 1 9 9 6 ) 建立的高速公路行程时问预测模型应用了随机排队理沦和路段上的 车辆数，该模型没有对交通状况作任何假设，具有良好的实用性，但该模型没有 考虑城市道路交叉口的情况【3 1 。 新泽西工业技术研究所( 2 0 0 1 ) 研究认为基于浮动车的路径行程时问预测不 能依附于路段行程时间，而应单独研究。通过模拟发现，在正常的交通状态下， 路径行程时间预测较路段行程时间预测获得了精度更高的预测结果，但是对预测 精度有影响的因素要进行详细分析【4 j 。 j o h nr i c e 和e r i kv a nz w e t ( 2 0 0 2 ) 运用当前交通状况结合历史数据进行高速 公路路段行程时间预测，通过单线圈和双线圈数据、视频数据和基于浮动车数据 等其它方式获得当前交通状况信息后，利用行程时间数据在时间序列上的线性相 关性进行行程时间预测，这种方法简单有效【卯。 加州大学伯克力分校统计系( 2 0 0 3 ) 提出了快速路行程时间短期线性预测方 法，这种方法使用简单，计算效率高，对交通参数类型要求不限，不会造成高速 公路检测器采集的数据浪引引。 通过以上文献可以看出，高速公路和快速路的行程时问预测研究较早且比较 成型，所以城市道路行程时问预测可以借鉴高速公路和快速路的行程时问预测方 法。 虽然我国大部分大中城市道路和某些高速公路装备有部分检测线圈、闭路电 视等交通监视设备，但由于种种原因，所发生的交通拥挤和突发交通事件基本上 是依靠人工方式发现的，人力、物力消耗大，效果有限。国内行程时间预测研究 开展的也较早，从事这方面研究的主要有众多高校和交通研究所，但是也都处在 起步阶段，主要是对国外算法的验证和改善。 根据研究内容的不同，行程时问预测分为路段行程时间预测和路径行程时间 预测，前者又分为路段交通流平均行程时间和路段单车行程时间。路段交通流平 均行程时间是某一时段内路段上所有行驶车辆的行程时间平均值，它描述的是路 段宏观交通流的特性，与交通需求和道路通行能力有关。路段单车行程时间是单 个车辆通过某路段的行程时问，它描述的是路段上单个车辆的特性，与驾驶员自 2 江苏大学硕士研究生学位论文 身特点、车辆性能和道路交通状况有关。路径行程时问是起终点问按一定路径出 行所需的时间，与所选择的路径和路径的道路交通状况有关。 根据研究对象的不同，行程时问预测分为城市道路、快速路和高速公路等行 程时间预测，各自及其交通流有不同的特点。从交通流性质上看，城市道路的交 通流由于受交叉口的影响是问断流，而快速路和高速公路的交通流是连续流；从 车速上看，城市道路的行车速度明显低于快速路和高速公路的行车速度；从交通 流组成结构上看，城市道路的交通流比快速路和高速公路的组成较为复杂。因此， 不同道路在进行行程时问预测时，所考虑的影响因素也要所不同。相对与快速路 和高速公路，城市道路的行程时间预测受城市道路、车流、行人、特殊事件、交 叉口等因素影响，影响因素众多且各个因素的可变性不可控，使城市道路的行程 时间预测相对困难。而快速路和高速公路的行程时间预测的影响因素和突发事件 相对较少，行程时间预测模型的建立相对容易且准确性较高，这方面的研究成果 较多。 1 2 问题的提出 行程时问的分析和预测是智能交通( i n t e l l i g e n tt r a n s p o r ts y s t e m ，简称i t s ) 研 究领域的核心问题之一，稳定、精确、经济地预测车辆在道路网络的行程时f a j 对 智能交通的研究、开发、建设与运营具有重要意义【7 1 【8 1 。依据国际上智能交通领 域的发展趋势，行程时间预测在交通综合监控管理f 7 1 、出行者信息服务1 9 、交通 规划、决策支持与评价【lo 】等方面得到了越来越广泛的应用。 行程时间预测研究的主要方法： 非参数回归模型：对于特征状态向量的选择没有一个明确的标定方法，因此 在进行实际系统建设时，其可操作性还有待研究与探索i l l j 【1 2 】。 时间序列方法：对道路交通状态的依赖性非常强，它所基于的一个假设是交 通系统特征的变化具有一定的规律性( 周期性、递变性等) 。而我们清楚地知道， 尽管交通系统在长期( 周、月、年等) 有一定的规律性，但是对短期的时间内，交 通系统具有非常强的随机性【l 引。 神经网络模型利用道路交通行程时问训练数据对神经网络进行训练，能够得 到比较精确的权值，得到比较稳定且较小的预测误差，再通过测试数据对已训练 3 江苏大学硕士研究生学位论文 好的网络进行预测性能的评价，最后应用于交通行程时间的预测【1 】【1 5 】f 1 6 1 f 1 7 1 8 】 【1 9 】 o 卡尔曼滤波的观测模型属于线性动态模型，认为实际行程时间为基本行程时 间和随机误差项之和，基本行程时间由预测路段所设置的检测器收集的数据计算 后得出，误差项由测量方程递推计算得出。依照设置检测器处所检测到的占有率 不同，而把整个预测路段内的车流分成几个不同的状态，即检测器处检n - n 的车 流状态对应于不同的占有率从而对应于不同的车流密度，然后把几个不同车流状 态段的行程时问加起来即为整个预测区段内的基本行程时间1 2 0 】| 2 l 】。 马尔科夫链模型：通过一个简单的一步转移矩阵来描述行程时间中的延误部 分构成的概率，但是对实际情况，该模型需要进行标定的参数是很难在有限的实 验条件中得到的【2 2 1 ，该方法应用于实际预测可能性较小。 虽然这些方法在某些情况下得到了很好的应用，但是对于预测结果的精确度 和稳定性还没有达到研究及应用的预测期望值。 交通系统是一个复杂的彼此关联的非线性系统，神经网络模型【2 3 。0 1 具有识别 复杂非线性系统的特性，这就决定了神经网络在行程时间预测中有着巨大的优 势。但是传统的神经网络预测方法收敛速度慢，训练时问过长1 2 4 1 ，对实时行程时 间预测适应性较差；模型各权值和神经元数目的复杂度难以控制2 5 】1 2 6 j ，影响预 测结果的精确度。 针对神经网络的这些弊端，本文提出了利用贝叶斯推理状态空问神经网络， 使模型收敛速度加快，缩短训练时间；利用终止条件和超级参数控制状态空间神 经网络模型的训练程度，促进收敛；此外，本文还提出了由可变控制因子限制的 置信区问对预测结果进行良性舰范，缩小预测结果的波动范围，增强稳定性，提 高精确度。 1 3 研究目的及意义 随着社会经济的快速发展，一方面交通需求大大增加，而道路的增长却逐步 趋于极限，使得交通需求与供给的矛盾进一步激化；另一方面信息技术的飞速发 展为综合解决交通问题带来了前所未有的机遇。 先进的交通管理系统是智能交通系统最基本的组成部分，它是指用先进的计 4 江苏大学硕士研究生学位论文 算机、通讯和传感器技术，将人、车、路和交通管理融为一体，能够实现对交通 流进行实时监测、智能控制和主动管理的系统。先进的交通管理系统实现了车辆 运行于交通管理的完美结合，因为能够保证道路网始终处于最佳的运行状态。 本文的研究目的是在保证数据有效性和经济性的基础之上，运用多种现代信 息处理技术实现行程时间的预测，为智能交通系统各相关子系统提供高精度、高 稳定性的行程时问预测结果。 本文研究的意义在于： ( 1 ) 可为交通参与者提供出行前的交通信息。利用对行程时间的精确预测能 够使出行者在出行前通过家中或公共场合的各种媒体信息终端详细查看有关道 路交通状态的信息，能够在一定程度上避免出行方式选择和路线选择的盲目性， 出行者获得交通信息的数量和方式都远远高于传统的交通管理系统。 ( 2 ) 运用实测数据对路段交通流平均行程时间预测方法进行研究，有效提高 了行程时间的预测精度，对促进智能交通系统的研究、开发和建设具有重要的理 论意义和实用价值。 ( 3 ) 可以实现对车流的实时动态引导，在传统的交通管理系统中，无论是信 号控制模式还是匝道车流调节模式都是根据以往的历史交通状况确定的，不能动 态地反映出道路上的实时交通状态，尤其不能反应出严重的突发交通事件造成的 交通拥挤状况，从而造成整体道路的交通延误。而根据较为精确的行程时间预测 确定路线引导策略，可以在很大程度上减轻这种延误。 1 4 论文的主要研究内容 本文主要针对基于置信区间的贝叶斯神经网络的行程时间预测进行了系统 的研究，并将应用于智能交通系统中。具体的研究内容概括如下： ( 1 ) 本文提出了利用公路车辆智能监测记录系统和车牌匹配技术收集原始 行程时间数据的方法，并且介绍了行程时间预测的相关技术，并对一些常用行程 时问预测算法进行分析和比较。 ( 2 ) 针对神经网络预测模型的训练方法收敛速度过慢，易出现局部最小值等 不足，本文提出了利用贝叶斯推理状态空间神经网络模型。利用贝叶斯原理训练 状态空间神经网络预测模型，贝叶斯原理作为学习方法能够加快预测模型收敛速 5 江苏大学硕士研究生学位论文 度，局部结果波动范围小，且整体稳定性强。预测模型采用状态空间神经网络结 构，利用状态层预存道路交通的前一个状态，采用前后道路交通状态相结合的方 法计算当前交通状态的信息，展现出良好的稳定性和适应性。 ( 3 ) 针对以往行程时间预测模型训练时间过长，预测模型的权值更新及彼此 之间的复杂度难以控制等弊端，本文提出了利用终止条件控制模型的训练过程， 利用超级参数对权值及终止条件进行控制，缩短模型训练时间，提供更加快速的 预测信息。 ( 4 ) 本文提出利用可变控制因子限制的置信区间对模型的预测结果进行规 范。摒弃了传统的置信区间的计算方法，利用贝叶斯原理推算出的可变控制因子 对置信区间进行规范限制，使预测结果的置信区i 、日j 更具适应性和精确性，预测结 果稳定性强，能够给道路交通的管理者和出行者更加精确的估计时问。 1 5 论文组织结构 本文首先对智能交通之行程时间预测的相关技术和方法进行了分析，然后重 点对基于公路车辆智能盛测记录系统和车牌匹配技术相结合的行程时间原始数 据的采集方法、贝叶斯网络预测模型、可变控制因子限制的置信区间进行了研究， 最后根据某市滨河路和某市坊子大队干线的实际交通情况做了精确分析。本文的 组织和结构如下： 第一章：绪论。本章在分析行程时问预测国内外研究现状的基础上，提出了 研究问题，阐述了研究的目的和意义，最后确定全文研究内容和组织结构。 第二章：道路行程时间预测需求及方法分析。本章首先对道路行程时问预测 进行需求分析，然后提出了一种行程时间数据信息的采集方法，通过对原始数据 的处理及炼化，可供模型作为输入数据，最后对行程时间预测方法进行分析比较。 第三章：基于置信区间的状态空问神经网络行程时间预测。本章在分析行程 时问预测需求和意义之后，提出了利用贝叶斯理论训练状态空间神经网络预测模 型，在训练过程中利用超级参数控制其变量的变化，并且利用终止条件控制其训 练过程，在获取最优值的前提下提前结束训练，加快收敛，最后提出了利用由可 变控制因子限制的置信区间对模型预测结果加以规范，使其预测结果更具精确性 和稳定性。 6 江苏大学硕士研究生学位论文 第四章：基于置信区间的贝叶斯网络行程时间预测模型实验分析。本章针对 本文提出的基于置信区间的贝叶斯状态空间神经网络的行程时间预测模型进行 试验阶段测试，首先利用公路车辆智能监测记录系统和车牌匹配技术对某市滨河 路和某市坊子大队干线的行程时间数据进行提取，并且对原始数据进行预处理， 然后利用本文预测模型与其他模型进行试验对比分析，得出结论。 第五章：行程时间预测系统设计与实现。本章通过行程时问预测需求分析及 开发环境和目的的研究，介绍了智能交通子系统出行者诱导服务的行程时间预测 的建设背景、系统结构框架以及相关模块技术分析，将本文提出的基于置信区间 的贝叶斯网络算法应用到智能交通子系统中的行程时间预测中，并且实现了子系 统。 第六章：总结与展望。对全文进行了总结，并对进一步的研究工作提出展望。 7 i 江苏大学硕士研究生学位论文 0 1 概述 第二章道路行程时间预测需求及方法分析 世界范围内的经济发展、社会进步和城市化进程的加快，人们对交通运输的 需求也明显加快，交通运输与社会经济生活的联系也越来越紧密。尤其在大中城 市，随着人民生活水平的提高，机动车数量的不断增加，交通堵塞、交通事故等 问题愈来愈严重，由此而引起的能源浪费、环境污染等问题已成为影响社会发展 的消极因素。 为了解决道路交通对社会、经济等方面带来的众多问题，国内外许多国家都 。 已经开发、建设并开始普及智能交通系统，希望通过智能交通系统提高交通管理 服务水平、促进道路畅通、优化交通环境。 对先进的智能交通系统提供了一体化、全方位的系统设计，必须保障系统的 管理水平、城市畅通、交通秩序、治安防控和服务水平得到提升和加强，功能如 图2 1 ： 城市智熊交通系统 a 謦、纛i 擘a 7 提高镶障改善、翔强7 提舞j 管理拳乎 城市畅通交通秩序 渗安防霉取务套乎 图2 1 智能交通系统功能图 为了更实用、更精确、更切合实际的建设智能交通管理系统，行程时间预测 研究需要更具稳定性、准确性。因此，首先需要明确智能交通系统对行程时间预 测的需求，然后对行程时间预测用户及其需求进行分析，并且剖析影响行程时间 预测精度和鲁棒性的影响因素，从而为行程时间预测研究指明方向。 此外，行程时间预测方法众多，为了使行程时问预测结果更加精确、稳定， 8 江苏大学硕士研究生学位论文 应深刻分析、比较这些方法，选择较为合适的预测方法和模型。 2 2 道路行程时间预测需求分析 智能交通系统i t s ( i n t e l l i g e n tt r a f f i cs y s t e m ，i t s ) 是在关键交通基础理论研究 的前提下，把先进的交通信息采集技术、数据通信技术、电子控制技术以及计算 机处理技术等有效的、综合的运用于地面交通运输体系，从而建立起的一种大范 围、全方位发挥作用、实时、准确、高效的交通运输管理系统。 先进的出行者信息系统( a d v a n c e dt r a v e l e ri n f o r m a t i o ns y s t e m ，a t i s ) _ ；f h 先进 的道路交通管理系统( a d v a n c e dt r a n s p o r tm a n a g e m e n ts y s t e m ，a t m s ) 是智能交通 系统的核心子系统，a t i s 可以提供多种交通方式的出行计划和路线引导，能为 各种类型的驾驶员和其它出行者提供咨询服务，a t m s 的核心功能是对道路交通 运行状态进行识别、对道路交通流进行控制、对紧急事件做出快速反应，其目的 是缩短出行时间、降低能耗、减少交通事故，提高交通管理水平，实现道路交通 社会效益与经济效益最大化。 从智能交通管理系统的建设需求来讲，建设智能交通信号系统和交通出行 信息服务系统可以有效促进道路畅通。首先提高交通信号控制系统的智能化， 采用智能的集中协调式信号控制手段，提高信号控制效率，缓解交通瓶颈通行 压力；其次提供交通出行信息服务，为方便交通出行者行车决策，提高道路利 用率，需要提供交通出行信息服务。交通出行者可以利用交通出行信息，主动 选择出行路线，避开拥堵区域，从而有效促进城市畅通。 图2 2 影响道路交通畅通的因素分析图 9 影 响 畅 通 因 索 江苏大学硕士研究生学位论文 如图2 2 所示，目前影响道路交通畅通的因素众多，但是交通信息采集和分 析只能依靠人工完成，工作量大、效率低，且诱导信息发布手段不足，急需实 时采集及分析交通数据、信息发布的自动化手段。因此加大出行诱导信息的收 集和发布显得至关重要，而行程时问预测研究则是出行诱导信息系统的核心问 题。 为提高道路交通服务水平，建立实时路况信息发布的渠道，将交通突发事件 和实时路况信息及时发布给广大出行者，建立出行者和管理者之间的双向反馈通 道，进一步提升管理者服务水平、提高管理效率。 交通 公盏 不缆 处置 影 响 服 务 水 平 的 因 素 图2 3 影响道路交通服务水平的因素分析图 如图2 3 影向道路交通服务水平的因素分析，交通信息发布的有效性和实时 性距离社会经济发展的需求差距甚远，而这些信息的发布必须建立在行程时间 预测结果的基础上才能有效进行，所以行程时间预测研究至关重要。 机动车中途交通信息服务。利用先进的电子、通信、多媒体和网络技术， 使已经开始出行的机动车用户在广播、路边、公交车站或公交车辆上，通过多 种方式获取实时公交出行服务信息，以便乘客在出行中能够对其出行路线、方 式和时间进行选择和修正。该系统功能需要根据行程时间预测结果对车辆到达 时问进行实时更新，以便服务公交乘客。 先进的道路交通管理系统a t m s 要实现道路交通社会效益与经济效益最大 化，必须获得并综合运用各种交通信息、道路信息、气象信息等，这些信息保 证了a t m s 系统功能的实现。其中道路交通状态识别和交通信号控制这两项功 能都需要行程时间的预测结果。 通过以上道路交通需求分析，可以看出a t i s 和a t m s 的许多重要功能都需 1 0 江苏大学硕士研究生学位论文 要获得行程时间的精确预测结果。因此，提高行程时间预测精度和降低其经济 成本，对保证a t i s 和a t m s 的正常运行，甚至是整个智能交通系统的发展具有 重要意义。 2 3 道路行程时间预测技术分析 道路的交通状态很难用确切的数字来说明，具有很强的模糊性和隐蔽性，因 此，如何将道路交通的状态通过科学的方法真实地表达出来，是交通状态判别的 关键。道路行程时间预测是通过对道路交通运行状况、气象环境条件和自身设备 工作状态等各方面信息进行实时采集和有效处理实现的，其中动态交通信息对城 市道路行程时问预测起着非常关键的作用。至此，为了更好的研究智能交通系统 的行程时间预测需要多种现代技术的结合。 2 3 1 数据挖掘技术 数据挖掘( d a t am i n i n g ，d m ) 是从大量的、不完全的、有噪声的、模糊的、随 机的数据中，提取隐含在其中的、人们事先不知道的、但是又潜在的有用的信息 和知识的过程。 数据挖掘技术是面向应用的。它不仅是面向特定数据库的简单检索查询调 用，而且要对这些数据进行微观或宏观的统计、分析、综合和推理，用以指导实 际问题的求解或发现事件问的互相关联，甚至利用已有的数据对未来的活动进行 预测。 由于数据挖掘涉及多种科学领域和技术方法，因此可以从不同角度对其进行 分类。根据挖掘任务的不同，数据挖掘可分为分类或预测模型发现、数据总结与 关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。 根据挖掘对象不同，数据挖掘可非为面向关系数据库、对象数据库、空间数据库、 时态数据库、文本数据库、多媒体数据库、异构数据库、遗产数据库以及w e b 数据库等种类。根据挖掘方法的不同，数据挖掘可分为机器学习方法、统计方法、 神经网络方法和数据库方法等类别。其中机器学习包含归纳学习方法、基于案例 学习、遗传算法等，统计方法包含回归分析、判别分析、聚类分析探索性分析等， 神经网络方法包含前向神经网络、自组织神经网络等。 1 1 江苏大学硕士研究生学位论文 数据挖掘的基本过程可划分为四个步骤：问题定义、数据收集和预处理、数 据挖掘以及结果的解释和评估。 问题定义：数据挖掘是为了在大量数据中发现有用的令人感兴趣的信息。在 定义中，工作人员必须与研究领域专家以及最终用户紧密协作，一方面要明确实 际工作对数据挖掘的要求；另一方面应通过对各种学习算法的对比进而确定可用 的学习算法。后续的学习算法选择和数据集的准备都是在问题定义基础上进行 的。 数据收集和预处理：包含数据选取、数据预处理和数据