基于低適用率的移動(dòng)智能交通系統(tǒng)協(xié)同方法

?

基于低適用率的移動(dòng)智能交通系統(tǒng)協(xié)同方法

雖然關(guān)于智能交通系統(tǒng)的研究已經(jīng)取得先進(jìn)的成果，但世界上幾乎每個(gè)大城市都存在交通擁堵嚴(yán)重的現(xiàn)象，其中一個(gè)原因是建立的交通系統(tǒng)模型適用范圍窄，不能適用于大多數(shù)城市，導(dǎo)致先進(jìn)的研究成果推廣困難。為研究低適用率對(duì)基于移動(dòng)手機(jī)的交通狀態(tài)估計(jì)模型（M-TES）的影響，提出了協(xié)同方法，包括基于速度-密度估計(jì)模型的遺傳算法（GA）和基于不可接收范圍低適用率預(yù)測(cè)方法的人工神經(jīng)網(wǎng)絡(luò)（ANN）算法。基于遺傳算法的交通狀態(tài)估計(jì)模型不僅能提高交通流動(dòng)效率，而且能降低交通狀態(tài)估計(jì)模型的數(shù)量。當(dāng)交通狀態(tài)估計(jì)模型需要的概率變小時(shí)，其估計(jì)的準(zhǔn)確性會(huì)顯著提高。引入基于ANN預(yù)測(cè)方法以彌補(bǔ)在交通狀態(tài)模型適用范圍窄或無(wú)法確定是否適用GA估計(jì)交通狀態(tài)的不足；討論了相關(guān)路段對(duì)預(yù)測(cè)效果的影響。可為縮小尋找人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)規(guī)則的搜索空間提供比較實(shí)用的指導(dǎo)。在不影響預(yù)測(cè)精度的前提下提高了計(jì)算性能。為證明所提出協(xié)同方法的有效性和魯棒性，進(jìn)行了試驗(yàn)評(píng)估。試驗(yàn)結(jié)果表明，本研究有助于加快基于移動(dòng)手機(jī)的智能交通系統(tǒng)的實(shí)現(xiàn)或智能交通系統(tǒng)在特定情況下的實(shí)現(xiàn)，因?yàn)橐呀?jīng)解決了交通狀態(tài)估計(jì)模型適用范圍窄、適用率低的問(wèn)題。

刊名：Pervasive and Mobile Computing（英）

刊期：2014年第10期

作者：T.M.Quang et al

編譯：于立嬌