文件名称：论文研究-结合神经网络和数据融合技术的城市路段速度估计.pdf
文件大小：267KB
文件格式：PDF
更新时间：2022-08-11 16:16:30
智能交通系统,浮动车,速度估计,神经网络,数据融合
大部分基于浮动车GPS数据的速度估计模型仅适用于GPS数据采样时间间隔小、样本量空间分布密集的理想情况，无法准确计算样本量不足情况下的实时速度。根据浮动车GPS数据点在空间上的分布情况，提出组合三种速度估计模型，以最大限度地提高GPS数据利用率；考虑到GPS数据点在时间上分布不均，在GPS数据不足的情况下，结合神经网络预测和数据融合的技术，根据误差方差融合速度估计模型的测量值和神经网络拟合的预测值，以减少实时估计误差。选择广州市东风路作为测试实例，在高峰和平峰两种交通场景下比较了融合值、测量值和预测值的误差，结果表明结合神经网络和数据融合技术的城市路段速度估计精度和稳定性均优于速度估计模型。