行程时间可靠性研究

行程时间可靠性研究

现在深圳汽车保有量已达到322万辆,道路密度位居全国前列,城市道路交通呈现过饱和状态,对于城市交通道路而言,拥堵是交通供给与交通需求不平衡所产生的结果。这就导致了道路经不起任何的干扰,哪怕一点点的扰动,都可能会给出行带来极大的不便,这种不稳定性也会加剧出行者的困惑,无法准确判断自己的出发时间。因此行程时间可靠性的研究对提高出行者的出行满意度是十分有必要的。

本文主要基于车牌数据研究了城市道路行程时间可靠性问题,以路段行程时间分布形态为基础,构建路段行程时间累计分布函数,给出路段行程时间可靠性指标。通过对数据样本的分析,发现相邻路段上行程时间数据具有正向相关性,在此基础上,计算路径行程时间,进而给出路径行程时间累计分布函数。具体工作主要包括以下几个方面:首先,分批次对数据进行预处理,消除数据噪声。

本文研究基于获取的车牌数据,采用分批次处理的方法,对每一批次的行程时间数据进行处理。在分批次数据中找到合理的下限值,消除可行时间的异常值,并确定需要保留的数值,改进了采取阈值进行数据去噪的方法,可以有效去除数据的噪声,提高数据的精准度。其次,采用Monte Carlo模拟算法对路段行程时间可靠性进行研究。

通过本研究的数据样本发现行程时间并不服从于正太分布和对数正太分布,由于数据的复杂性,很难采用数学解析方法求解行程时间可靠性。通过对路段行程时间分布情况的分析,发现路段行程时间呈现双峰分布,并且在不同的路段和时间段上,行程时间的分布形态具有一定的差异性,采用Monte Carlo模拟算法可以解决在行程时间不具有特定解析函数特征下的可靠性计算问题。再次,进行了路段的行程时间相关性研究。

发现两个相邻路段的行程时间数据具有一定的正向相关性,验证了并不是所有路段都是同分布的,并且通过回归分析的方法来验证相关性的存在。最后,构建模型求解路径行程时间。在相邻路段行程时间数据具有一定的相关性的前提下,构建相邻路段的行程时间关联矩阵来描述相邻路段之间行程时间的关联性。

通过Monte Carlo模拟算法构建路径行程时间分布函数和累计分布函数,给出不同可靠性下对应的路径行程时间,为出行者提供可靠的出行信息。