Page 88 - 《软件学报》2020年第12期

3754 Journal of Software 软件学报 Vol.31, No.12, December 2020

[1]
在日常出行中,行程时间是用户最重视的交通信息之一.行程时间预测可以为动态路径导航 、道路拥堵控
[4]
[3]
[2]
制 、最优调度 和交通事故检测 等应用提供有用的信息.
[5]
行程时间预测是智能交通系统(intelligent transportation systems,简称 ITS) 实施过程中必不可少的环节,
[6]
尤其对高级旅行者信息系统(advanced traveler information systems,简称 ATIS) 至关重要.ATIS 是 ITS 中的一个
关键组成部分,它旨在使用一系列技术(如无线、电视、电话、互联网和车载动态导航系统等)来满足旅客的信
[7]
息需求,帮助他们做出更明智的出行决策,缓解交通拥堵造成的影响 .它能够为旅客提供目的地、路线、出发
[8]
时间等信息,这些实时信息也能帮助重新规划路线来避免意外的交通拥堵 .因此,研究行程时间预测具有重要
现实意义.
行程时间预测是一项复杂且具有挑战性的任务.由于天气、路网交通状况等因素的影响,行程时间通常在
[9]
不同时期和不同交通状况下出现强烈的波动 .为了准确预测行程时间,通常需要上、下游道路的数据.因为在
拥堵交通状况下,上、下游车辆会对目标道路的行程时间造成严重影响.因此,行程时间预测需要高度复杂的交
通模型,或能从数据中挖掘交通模式的数据驱动模型.
本文的 4 个主要贡献是:
• 将自 1991 年以来近 50 篇相关文献中提到的行程时间预测方法进行分类和比较;
• 将模型驱动和数据驱动方法进行了详细分类,从数据、预测范围、准确率、优缺点和适用范围等方
面进行了对比,并对文中提到的主要改进方法进行了分析;
• 指出了现有行程时间预测方法的一些缺点和可能的解决方案,明确了未来研究方向;
• 提出了一种新的数据处理框架和一种新行程时间预测方法.
本文第 1 节对交通行程时间预测问题进行定义,并给出行程时间预测的通用预测框架.第 2 节对已有的行
程时间预测方法进行总结和分类.第 3 节对现有的行程时间预测方法进行归类和分析,并从预测范围、优缺点
和适用范围等方面进行概括.第 4 节对行程时间预测过程中存在的一些问题和未来研究方向进行分析和总结,
提出一些现有方法的缺点的可能解决方案,也对拟议的数据处理框架和新的行程时间预测方法加以介绍.第 5
节对行程时间预测方法分类进行分析总结.

1 行程时间预测问题

1.1 行程时间预测定义
行程时间预测是指预测未来一段时间内,通过指定路段或者从起始地到目的地所花费的时间 [10] .行程时间
预测一般有直接预测和间接预测两种方法.
• 直接预测方法 [11] 通常利用历史测量的行程时间序列数据{x 1 ,x 2 ,…,x t−1 ,x t },使用参数或者非参数方法拟
合行程时间序列数据的函数关系,对未来一段时间{t+1,t+2,…}的行程时间{x t+1 ,x t+2 ,…}进行预测;
• 间接预测方法是指根据历史测量的流量、密度、占用率或平均速度等数据,通过建立交通流模型来预
测未来的时空速度,然后再预测未来的行程时间 [11] .

1.2 行程时间预测框架
行程时间预测问题分为数据收集、数据处理和行程时间预测这 3 个模块,预测框架如图 1 所示.
• 数据收集模块将感应环路检测器、全球定位系统等多种设备收集的交通数据存储在交通数据库中;
• 数据处理模块对原始交通数据进行异常处理、数据聚合等操作,然后导入历史数据库;
• 行程时间预测模块接收来自历史数据库中的历史数据和各种设备收集到的实时数据,通过一些预测
算法直接或间接对未来一段时间的行程时间进行预测.