شماره تلفن : 09307584802

خانه ژورنال دانشجویان ایران

Iranian Students Article House

مدل خطی پویا بیزی برای پیش بینی زمان سفر کوتاه مدت در زمان واقعی بزرگراه

عنوان فارسی

مدل خطی پویا بیزی برای پیش بینی زمان سفر کوتاه مدت در زمان واقعی بزرگراه

عنوان لاتین

A bayesian dynamic linear model approach for real-time short-term freeway travel time prediction

عنوان مجله مقاله

ELSEVIER , Transportation Research Part C: Emerging Technologies

سال انتشار : 2011 سال انتشار مقاله
20,000 تومانقیمت ترجمه مقاله
لینک doi مقاله دانلود رایگان انگلیسی خرید ترجمه فارسی مقاله
تاریخ انتشار : ۶ اسفند ۱۳۹۸
14 بازدید
کد مقاله : 3699

چکیده فارسی

این مقاله یک مدل خطی پویای بیزی (DLM) را برای پیش‌بینی زمان سفر کوتاه‌مدت آنلاین در مسیر بزرگراه، ارائه می‌کند. روش پیشنهادی زمان سفر بزرگراه پیش‌بینی‌شده را به عنوان مجموع متوسط زمان سفر گذشته، تغییرات تصادفی در زمان سفر ، و خطای تکامل مدل در نظر می‌گیرد، که در آن میانه برای تشخیص الگوی زمان سفر اولیه بکار گرفته می‌شود در حالی که تنوع عرضه غیر منتظره (یعنی ظرفیت) کاهش و نوسانات تقاضا را ثبت می‌کند. پیش‌بینی بیزی یک فرآیند یادگیری است که به طور مداوم وضعیت دانش قبلی زمان سفر براساس اطلاعات در دسترس را مورد بازبینی قرار می‌دهد. نتیجه پیش‌بینی یک توزیع زمان سفر است که می‌تواند برای تولید یک مقدار واحد (معمولا نه لزوما میانگین)زمان سفر و همچنین یک فاصله اطمینان از عدم قطعیت پیش‌بینی زمان سفر بکار رود. برای دتکتوری بهتر زمان سفر در طی تراکم غیرتکراری ناشی از رویداده‌ای پیش‌بینی‌نشده (به عنوان مثال، حوادث، تصادف و یا آب و هوای بد)، DLM در چارچوب کنترل تطبیقی ادغام می‌شود که می‌تواند به طور خودکار سطح نویز تکامل سیستم را یاد بگیرد و تنظیم کند. نتایج آزمایش براساس داده‌های آشکارساز (دتکتور) حلقه واقعی یک بخش ۶۶ I -در ویرجینیای شمالی، نشان می‌دهد که روش پیشنهادی قادر به ارائه پیش‌بینی زمان سفر دقیق و قابل‌اطمینان تحت شرایط ترافیکی تکراری و غیرتکراری می‌باشد. کلمات کلیدی: پیش بینی زمان سفر در زمان واقعی، سیستم های اطلاعات پیشرفته مسافر، استنباط بیزی، فواصل اطمینان پیش بینی، کنترل تطبیقی

چکیده لاتین

This paper presents a Bayesian inference-based dynamic linear model (DLM) to predict online short-term travel time on a freeway stretch. The proposed method considers the predicted freeway travel time as the sum of the median of historical travel times, time-varying random variations in travel time, and a model evolution error, where the median is employed to recognize the primary travel time pattern while the variation captures unexpected supply (i.e. capacity) reduction and demand fluctuations. Bayesian forecasting is a learning process that revises sequentially the state of a priori knowledge of travel time based on newly available information. The prediction result is a posterior travel time distribution that can be employed to generate a single-value (typically but not necessarily the mean) travel time as well as a confidence interval representing the uncertainty of travel time prediction. To better track travel time fluctuations during non-recurrent congestion due to unforeseen events (e.g., incidents, accidents, or bad weather), the DLM is integrated into an adaptive control framework that can automatically learn and adjust the system evolution noise level. The experiment results based on the real loop detector data of an I-66 segment in Northern Virginia suggest that the proposed method is able to provide accurate and reliable travel time prediction under both recurrent and non-recurrent traffic conditions. Highlights: 1) We present a Bayesian inference-based dynamic model to predict freeway travel times. 2) The method provides the distribution of predicted travel times and their confidence intervals. 3) We embed the model into an adaptive system to self-tune system evolution noise levels. 4) The method provides accurate and reliable travel time forecasts under different traffic conditions. Keywords: Real-time travel time prediction, Advanced Traveler Information Systems, Bayesian inference, Prediction confidence intervals, Adaptive control

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مدل خطی پویا بیزی برای پیش بینی زمان سفر کوتاه مدت در زمان واقعی بزرگراه”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مجوزها و نمادها


logo-samandehi

پل های ارتباطی با ما …

تبریز ، بخش مقصودیه ، خیابان ارتش جنوبی، کوچه شهید شهابی ، بن بست باغچه ، پلاک ۸۷ ، طبقه 4
تلفن تماس : 04135421108-09307584802
ایمیل : entofa@gmail.com


Unit4,No87,Baghcheh Alley,South Artesh ST,Azadi ave,MAGHSUDIYEH, Tabriz, Iran