一种基于改进的马尔可夫链的交通状况预测模型
2022年电子技术应用第5期
周明升1，刘抒扬2
1.上海外高桥保税区联合发展有限公司，上海200131；2.上海商学院 商务信息学院，上海201400
摘要： 城市交通日益拥堵的今天，为用户推荐最快行驶路线成为一个研究热点。行驶路线推荐的核心问题是对路线将来某段时间(途径这段线路时)交通状况的预测。交通状况受到路线本身状况、行驶时间、天气状况、驾驶员习惯等多种因素影响，其变化快、变化方式复杂，难以准确预测。对多阶马尔可夫链模型进行了改进，提高了运算效率和响应速度，建立一种高效的交通状况预测模型，经北京市实际交通数据的检验，得到了比较好的预测效果。
中图分类号： TP391
文献标识码： A
DOI：10.16157/j.issn.0258-7998.211928
中文引用格式： 周明升，刘抒扬. 一种基于改进的马尔可夫链的交通状况预测模型[J].电子技术应用，2022，48(5)：27-30，36.
英文引用格式： Zhou Mingsheng，Liu Shuyang. A prediction model for traffic conditions based on an improved Markov chain[J]. Application of Electronic Technique，2022，48(5)：27-30，36.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.211928
中文引用格式： 周明升，刘抒扬. 一种基于改进的马尔可夫链的交通状况预测模型[J].电子技术应用，2022，48(5)：27-30，36.
英文引用格式： Zhou Mingsheng，Liu Shuyang. A prediction model for traffic conditions based on an improved Markov chain[J]. Application of Electronic Technique，2022，48(5)：27-30，36.
A prediction model for traffic conditions based on an improved Markov chain
Zhou Mingsheng1，Liu Shuyang2
1.Shanghai Waigaoqiao Free Trade Zone United Development Co.，Ltd.，Shanghai 200131，China； 2.Faculty of Business Information，Shanghai Business School，Shanghai 201400，China
Abstract： With the growth of urban traffic jam, how to recommend the fastest driving route for end users has become a research focus. The core problem of route recommending is how to forecast the traffic condition of the route in future, when the user will drive on this route section. The traffic condition is influenced by many factors, like road condition itself, passing time, weather conditions and habits of the driver. Because traffic condition changes very fast and complicated, it is difficult to accurately predict directly. This paper proposed a traffic condition prediction model based on an improved M-order Markov chain, which is more efficient. The model was tested with the actual traffic data in Beijing, and got a good result.
Key words : Markov chain；traffic condition；routes recommending；prediction model
0 引言
确定了用户的出发地和目的地后，准确预测各条可能路线未来某段时间(行驶到达路段时)的交通状况，可以为用户推荐最优出行线路，减少行驶时间，也方便用户私家车与公共交通的选择。某段线路上的行驶时间应综合考虑以下几个因素：路线本身的情况、行驶到该路线上时的交通流量和驾驶员的驾驶习惯等。当前对交通状况、路线推荐的研究主要有以下几类：(1)基于交通分析的方法[1-2]：通过道路上的识别器及车流量信息，通过“识别器-车流量-行驶方向”的范式来研究交通状况推荐路线，这种方法准确性的前提是要有足够的识别器和车流量信息，数据获取比较困难[3]。通过获取车辆信息，估计实时交通流量，预测将来的交通状况[4-6]，其基于路段的分析需要借助大量数据进行分析，当采样率低、数据稀疏时无法准确估计。(2)基于交通模式学习的方法：给出了概率为基础的方法，通过用户历史GPS轨迹数据，预测驾驶员的目的地和行车路径[7-8]。其通过学习GPS轨迹数据来获取驾驶和速度模式计算最快路线[9-10]。(3)智能推荐：试图挖掘驾驶员道路选择的倾向，通过人机交互或推理模型推荐个性化路线，其推荐路线没有随行驶时间而优化[11]。其通过GPS轨迹数据，寻找关键节点和关键路线，结合用户行为，推荐最快线路[12-13]。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004271。
作者信息：
周明升1，刘抒扬2
(1.上海外高桥保税区联合发展有限公司，上海200131；2.上海商学院 商务信息学院，上海201400)
此内容为AET网站原创，未经授权禁止转载。