雅宝题库解析：
在这个高速移动的社会中，出行者对于获取准确及时的交通信息的需求正不断上升。在各种类别的交通信息中，旅行时间相对于其他类型的信息(例如排队长度、交通事件、交通流量等)更容易被出行者所理解和量化。浮动车（Float Car Data）技术是近年来先进交通信息系统（Adcanced Traffic Information System）中所采用的获取实时道路交通信息的先进技术手段之一。其中路链旅行时间的准确率和路链行驶速度准确率是浮动车系统的关键指标。目前浮动车系统在封闭性道路上已经取得了较高的准确率。但是，在非封闭道路上，由于路网中存在大量的交通信号灯、密集的交叉路口，会导致车辆存在复杂的行驶模式，使得车辆行驶速度产生很大的波动，严重影响浮动车系统的准确率。所以在复杂行驶模式下，传统的浮动车数据处理方法不能够准确的计算和合理的表达路况信息。另外，非封闭道路上存在大量的微小路链，这也影响了系统的准确率。本论文就上述题目开展了一系列深入细致的研究，提出了复杂行驶模式下路链旅行时间的计算模型，即把路链旅行时间分为两部分，路链有效行驶时间（LVTT）和路口期望延误时间（IEDT）。首先针对浮动车在交通信号灯路口随机停车延误等待的题目，本文分析了浮动车行驶信息细化模型存在的不足，并提出了相应的解决方案，包括相关模型路口等待时间计算的优化、多路口等待时间的分配策略和车辆有效行驶速度计算的优化；其次针对城市路网中大量的微小路链题目，研究并提出了路链合并规则并设计实现了微路链合并算法（Micro-Link Merger Algorithm）。最后本文针对路口期望延误时间融合模型存在的不足，结合历史路口延误时间数据，建立了一个历史数据立方体，为融合模型加入了历史数据的权重信息，能够更加准确的计算路口期望延误时间。本论文文在充分研究大量浮动车真实数据的基础上，提出了路况信息计算模型，改进了浮动车的路况信息计算方法，实现了复杂行驶模式下浮动车信息处理系统，有效地提高了复杂行驶模式下浮动车数据处理的准确性。与原系统相比，复杂行驶模式下浮动车信息处理系统旅行时间准确率提高了12%以上，同时OD（Origin-Destination）旅行时间准确率提高了15%以上。
发表于 2022-4-24 15:55:08
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
