Abstract：
城市道路行程时间预测是实时交通运营管理与交通诱导的核心问题之一，也是出行者的重要交通需求.利用视频卡口数据分析路段行程时间特性，研究发现道路行程时间波动在工作日同时段具有相似性等特征.基于该类特性，利用传统卡尔曼滤波、BP 神经网络模型以及改进后的卡尔曼滤波模型进行预测.结果表明：改进后的卡尔曼滤波模型优于BP 神经网络优于传统卡尔曼模型，同时改进后的卡尔曼模型预测误差小于2 min 的概率为81.25％，有较高的准确性和可靠性，其预测性能可满足实时交通需求.
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2017
Page： 1-9
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
