基于藍牙技術的城市道路短時旅行時間預測方法研究.pdf

1、道路的旅行時間是反映交通狀態(tài)的重要指標之一，也是智能交通系統(tǒng)中研究的重要內容之一。道路旅行時間的準確預測是現(xiàn)代交通誘導系統(tǒng)和先進的出行者信息系統(tǒng)的重要基礎。交通數(shù)據(jù)的采集是進行道路旅行時間預測的前提，傳統(tǒng)的交通數(shù)據(jù)采集方式主要有基于感應線圈、基于車牌識別和基于GPS浮動車，過去大多數(shù)的關于道路旅行時間預測的研究也主要基于這三種方式所采集的交通數(shù)據(jù)來建立模型對未來的道路旅行時間進行預測。隨著技術的發(fā)展，尤其是智能手機的普及、車載信息系統(tǒng)的

2、完善以及藍牙技術的不斷進步，利用藍牙技術實時采集道路交通數(shù)據(jù)引起了關注并在一些城市得到了實際應用。該項交通數(shù)據(jù)采集技術主要是通過檢測道路上車輛中的智能手機、車載藍牙或者藍牙耳機等電子設備中的藍牙信號，并獲取這些電子設備中的藍牙MAC地址，通過MAC地址的匹配來實時獲取道路的旅行時間等交通信息。
　　本文詳細介紹了藍牙技術實時采集交通數(shù)據(jù)的原理和基于藍牙技術的道路旅行時間數(shù)據(jù)篩選以及平均旅行時間的估計方法。通過問卷調研了解藍牙設備在

3、實際中的應用情況，估計出車輛中的藍牙信號被檢測到的比例約為2.7％到4.3%之間。為了對未來的道路旅行時間進行預測，本文基于卡爾曼濾波理論和支持向量機理論以及粒子群優(yōu)化算法，分別建立了基于卡爾曼濾波的短時旅行時間預測模型和基于支持向量機的道路旅行時間預測模型。在上海市閔行區(qū)滬閔公路上，利用藍牙技術所采集的實際的道路旅行時間數(shù)據(jù)為例，對所建立的預測模型的進行了參數(shù)選擇、樣本數(shù)據(jù)集的訓練和預測求解，并與BP神經網絡預測模型進行了對比分析，結