英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

使用交通预测模型来预测旅客信息

摘要: 作为智能交通系统（ITS）的子系统，高级旅客信息系统（ATIS）向旅客传播实时交通信息。为了更好地帮助旅客做出他们的路线选择决定，则强烈需要一个能够预测交通拥堵，并将预测的拥堵信息传播给旅客的工具。关于由于电信系统的最新进展ATIS信息提供如何变得越来越普遍的事情，本文提供了一些洞察和预测。根据信息服务提供商（ISP）和ATIS建模专家的经验，本文还讨论了ATIS系统将如何进行演变。然后，本文分析了四种类型的预测模型：：1）仿真模型; 2）动态业务分配（DTA）模型; 3）统计模型;和4）启发式模型。讨论和总结了四种类型的预测模型的功能要求和能力。此外，本文还提出了一个结合了四种类型的预测模型综合的预测程序。

关键词: 智能交通系统; 高级旅客信息系统; 旅客信息提供; 预测交通信息。

介绍

智能交通系统（ITS）使用计算机、信息技术和电信以提高现有交通系统的效率，生产力和安全性。近年来，各种ITS运行示范项目已经在芝加哥，巴黎，东京和许多其他地方部署。 作为ITS子系统，高级旅客信息系统（ATIS）向旅客传播实时交通信息，而高级交通管理系统（ATMS）优化地管理交通流量并减少城市地区的拥塞。

对于ATIS系统，其通过各种交通监视系统，如用于感测车辆的回路检测器、视频摄像机和探测车辆，来在公路网上收集实时交通信息。当从现场设备收集来的实时交通数据被通过专用电信系统将其发送回交通信息中心（TIC）时，这些数据在TIC中处理成各种类型的数据库。然后旅客可以通过电话、传真机、寻呼机、收音机、电视和互联网访问这个处理的实时交通信息。例如，驾驶员可以在通勤期间在关键路线的交通状况上接收AM无线电广播。一些用户还可以浏览因特网以通过实时互联网拥塞地图检查当前的交通状况。

ATIS和ATMS的成功取决于准确和及时的估计和及时准确的估计以及预测传播交通条件。目前，ATIS几乎完全取决于静态的、当前的信息。下一代ATIS系统将利用交通预测模型的潜力来开发并增值旅客信息，这在很大程度上是由于电信系统的改进。旅客信息系统正逐渐成为ITS行业的基石之一。虽然难以预测旅客信息市场何时火爆，但公共机构和私营公司正在投入大量资源来开发和运营各种ATIS系统。 如ITS用户服务中所确定的，预测旅客信息是不可缺少的，部分是由于缺乏足够的传感装置来收集足够的实时信息以覆盖主要高速公路和主干道。

虽然预测旅客信息被广泛认为是重要的，但在如何获得和传播预测旅客信息方面，ATIS的从业者和研究者之间存在很大差距。为消除这一差距，本文的目的是通过一些近期和中期前景来确定具预测模型的功能需求和能力，以在ATIS实践中提供预测旅客信息。 本文还将基于信息服务提供商（ISP）和ATIS建模专家的经验，提供一些关于ATIS的信息，特别是对预测交通信息方面提供一些发展的见解和预测。

首先本文分析旅客信息提供的当前做法，并且在第2节中提供旅客信息提供的近期和中期实践的观点。然后，在第3节中回顾交通预测模型。为了开发运行预测模型旅客信息系统，必须定义功能需求，能力和数据需求。在本文中，这些功能的要求和能力将在第4节中总结。还将提供这些预测模型的功能要求和能力的比较。在这种比较中，将根据每种类型的模型的优点和缺点进行具体分析。此外，将讨论所有预测模型的作用。因此，在第5节将研究如何将四种类型的预测模型集成到一个操作交通预测系统中。最后，第6节中给出了一些结论。

旅客信息提供的当前和预期做法

目前，旅客信息的提供是基于静态/历史信息或当前信息。 公共交通机构或信息服务提供商（ISP）提供的是几乎没有预测旅客信息。 表1介绍了多模式旅客信息的类型，这些信息目前可用，并预计在不久的将来可用。

表1 当前可用的多模态信息类型

* 当前情况

** 未来2-5年

*** 未来5-10年

在多模式旅客信息系统中，提供交通信息比提供公路信息简单得多。 此外，诸如航空公司的其他模式将比高速公路更容易提供各种静态，历史，实时和预测信息，因为它们使用较少的路线并且具有比公路更好的信息系统。 因此，在下面的讨论中，主要预测旅客信息关注点将放在高速公路而不是其他模式。

对交通预测的评测

交通信息系统的交通预测模型主要提供关于链路旅行时间和路线旅行时间以及链路/路线流动的预测信息。 这些模型使用网络，其中链接表示街道，节点表示交集。 为了实现在线实时操作，这些模型必须容易且快速地可解和准确。 此外，期望关于链路/路线旅行时间的输出或出站预测信息将具有类似于天气预报的精确度的预测概率。 为了服务于旅客信息系统，基本上存在四种类型的预测模型：

1. 仿真模型
2. 动态流量分配（DTA）模型
3. 统计模型
4. 启发式模型

在这些模型中，DTA模型和统计模型是最有希望提供短期旅行时间预测和预测的，接下来将评测这几种模型。

仿真模型

模拟模型通常将每个车辆表示为实体，并使用（伪）随机数来预测各种因素。 示例包括期望速度，红/黄交通灯信号和间隙接受，间隙接受是在穿过街道之前接近的连续车辆之间的可接受的时间间隔。 严格地说，模拟模型不能用于业务流预测目的，因为它们需要在模拟时间段输入业务流值并且缺乏动态路由选择行为考虑。 然而，模拟模型提供了一种方法来估计一旦通过其他方式预测交通流量时的行进时间。 换句话说，模拟提供了对流量，占用率和行进时间之间的关系的现场校准的替代。

虽然可以设想一个模拟模型可以实时实现（即接收流量预测，模拟网络和产生行程时间预测）的情况，但今天的候选模型，如TRAFNETSIM [2]或 SATURN [3]适合实时实现。 换句话说，需要改进用于实时实现的现有模型。 此外，必须考虑源代码结构和建模原理的变化，以使这些模型对于在线应用有用。

有时，模拟模型可预测在严格条件下的非常小的高速公路走廊人流量。 然而，这也需要改进现有的模拟模型。 模拟预测是预测旅行时间，模拟模型可以解释发生行程的控制环境，包括交通信号，停止标志，车道信道化等。这些特征为模拟模型在具有很少或没有路线选择选项和起点 - 目的地（OD）模型的高速公路走廊的预测问题中提供了一些优势。 注意，具有路线选择或分配能力的仿真模型被分类为仿真DTA模型。

动态流量分配（DTA）模型

美国联邦公路管理局和橡树岭国家实验室的管理目前正在支持开发实时动态交通指配（DTA）系统。 对于DTA模型，旅客的基本路线选择行为基于每个旅客使用当从出发地到他/她的目的地时使他/她的实际旅行时间最小化的路线的标准。 该路由选择标准被称为理想的动态用户最优（DUO），并且可以通过以下路由选择条件更具体地描述：

如果路线人数上涨时间t gt; 0,人们在这条路上花费时间 t = 最小值;

如果路线人数上涨时间 t = 0, 人们在这条路上花费时间t ge;最小值.

换句话说，在理想的DUO状态下，每个旅客在每个时刻使用最小行进时间的路线。

在基本DTA问题中，通常假定依赖于时间的原点-目的地出发率是先验已知的。换句话说，在每个时间段出发的旅客的数量被给出，并且我们必须确定这些旅客将选择哪些路线。 DUO路线选择问题的一个重要的例子是确定链路状态的动态轨迹以及在每个时刻的流入和流出，其由驾驶员使用最小时间路线，给定网络，链路行程时间函数（其指定行程时间作为交通流的函数）和时间相关的起始 - 目的地（OD）出发率要求。其他类型的DTA问题是基于不同应用目的的泛化。对于每个应用实例，DTA模型可以使用不同的数据和计算数据库。例如，用于计划/评估目的的DTA模型可以具有长计算机运行时间和更具体的数据输入。然而，对于实时预测，计算机运行时间和数据输入处于更严格的要求。

常有两种不同的用于开发DTA模型的方法：基于模拟或基于分析，这取决于方案制定，解决方案的属性和建模细节，现有的许多DTA模型属于第一类[4,5]。或多或少，每个模拟DTA模型假定车辆被分配到它们各自确定的时间相关的最小行进时间路线。一些模拟模型使用更一般的假设，其基于时间相关的最小旅行成本或边际成本路径搜索和分配。模拟DTA模型的开发者认为他们的方法接近动态用户最优（DUO）路线流和路线旅行时间。然而，不能保证模拟的DTA模型实际上将达到具有DUO属性的最优解，或者甚至在具有良好理解的属性的解中。例如，最终解决方案通常通过简单地改变与模拟相关联的随机种子数来改变。由于流量管理或控制总是假定某种目标，例如最小化总系统延迟，所以模拟DTA模型缺乏明确定义的解决方案属性是主要的建模缺陷。

第二种方法是基于分析的动态业务分配模型。 通常，这些模型被制定为优化问题或变分不等式[6]。 变分不等式可以通过松弛转换为优化问题，并通过使用凸组合方法[7]解决。 目前，常规PC上可解决网络的大小大约为500个链路，500个O-D对和120个时间间隔。 与基于模拟的DTA模型相反，分析型DTA模型的解决方案具有良好定义和理解的属性。 这是非常重要的一点，因为通常认为DUO路线流和路线行驶时间对于交通管理系统的预测和控制是基本的，特别是对于动态路线引导和交通信号控制目的。 与其优越的解决方案属性相反，分析型DTA模型的一个主要缺点在于它们简化了一些复杂的交通表示。

在几个复杂的模拟和分析DTA系统中，取决于旅客的路线选择标准，他们可以被分成几个类。 例如，旅客可以分为以下三类：

1. 有实时交通信息但继续他们的预期路线或拒绝改变他们的预先计划的旅客
2. 根据他们离开前认为的

   剩余内容已隐藏，支付完成后下载完整资料

   ---

   资料编号：[137609]，资料为PDF文档或Word文档，PDF文档可免费转换为Word