>[0039] 第四步，构建可变权重混合分布模型，具体为：
[0040]
[0041] 其中，f(yi)为具有可变权重混合分布的干道行程时间71密度分布函数，^=(3^， . . .πκ)为各组分对应的权重向量，且Dti7ri=l，fk(yi)为第k个组分的密度分布函数。
[0042]第k个组分的密度分布函数fk(yi)依赖于分布的参数0k及其解释变量 Xk，g卩fk(yi) =fk(yi 10k，Xk);假设参数01{及其解释变量处为线性函数关系，即：
[0043] 0k= γ 〇k+ γ kT · Xk (5)
[0044]其中，γ他与γ k为待估计常数，解释变量处的选取主要依赖于干道连续交叉口直 行红灯时长Z0, 2。
[0045]参见图2a~图2d为根据某干道各时段行程时间分布数据，图2a~2d代表的时段分 别为4~5AM、7~8AM、9~10AM和10~11AM，组分Κ = 2，μ1为第一个组分均值，R为干道连续交 叉口直行红灯时长。识别Κ = 2个组分的分布均值为干道连续交叉口直行红灯时长的函数。
[0046] 综上，可变权重混合分布模型可表示为：
[0047]
[0048] 第五步，估计可变权重混合分布模型中的未知参数:采用最大期望算法对可变权 重混合分布模型中的未知参数进行估计。所述的位置参数包括ak、γ 〇k及γ k。
[0049] 第六步，干道行程时间分布估计和可靠性服务水平评估。
[0050] 对于给定评估时段，运用构建的可变权重混合分布模型估计干道行程时间分布。
[0051] 根据干道行程时间分布，采用可靠性服务水平评价指标RU)S，（对出行者)有效评价 干道行程时间达到预期值的概率，（对交通管理者)表征干道交通流达到某种服务水平的可 靠程度。
[0052] 对于不同服务水平，定义合理的期望行程时间上限，如图3所示；行程时间可靠性 服务水平的计算方法可以表示为RLos(yi) =Pr{yi < TLQS}，TLQSe {TA，TB，Tc，TD，TE，TF};其中， Ru)S表示行程时间可靠性服务水平，用0~100%之间的百分数表示;yi为干道行程时间；T L0S 表示不同等级可靠性服务水平下的期望行程时间上限，可靠性服务水平共分为A、B、C、D、E、 F六个等级，对应六个期望形成时间上限TA、TB、TC、TD、T E和TF。具体的期望行程时间和可靠性 服务水平的划分标准结合道路等级确定。
【主权项】
1. 一种基于可变权重混合分布的城市干道行程时间估计方法，其特征在于:包括下列 步骤， 第一步，确定目标研究区域； 所述的目标研究区域包括干道、交叉口和路段，对于干道，执行第二步，对于交叉口执 行第三步； 第二步，对于干道，采集干道行程时间参数，预处理并检验各时段内干道行程时间分布 形式，建立固定权重的高斯混合分布模型，确定最优组分数目K; 第三步，对于交叉口和路段，采集各流向流量及信号控制参数并进行预处理后，建立具 有K个组分的混合分布权重系数Log i s t i C函数； 第四步，构建可变权重混合分布模型； 第五步，估计可变权重混合分布模型中的未知参数； 第六步，干道行程时间分布估计和可靠性服务水平评估。2. 根据权利要求1所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于:所述的干道行程时间数据的采集采用移动型检测器或固定点检测器。3. 根据权利要求1所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于:第二步中所述的建立固定权重的高斯混合分布模型，具体为： 具有K个组分的固定权重的混合分布函数的模型形式为：其中，f(y)为具有固定权重混分分布的干道行程时间y密度分布函数，耶=〇1，312,... 吨)为各组分对应的权重向量，且为第k个组分的密度分布函数； 使用最大似然估计对混合分布函数模型进行拟合，即，其中，L为固定权重混合分布函数的最大似然函数，1\为第i个干道行程时间观测值，N为 干道行程时间观测值总数，fXTdy)为给定干道行程时间密度分布函数f(y)时观测值!^对应 的概率，fdTdy)为给定干道行程时间第k个组分密度分布函数f k(y)时观测值1\对应的概 率;考虑到计算效率，采用最大期望算法对权重向量耶=(町，取，...?)进行估计，并根据 AIC准则筛选最优组分数目K。4. 根据权利要求3所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于:所述的密度分布函数为高斯分布或对数正态分布形式。5. 根据权利要求1所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于:第三步中所述的预处理是指，对于缺失数据，根据动态交通流特征，采用相邻 时段及路段的实测数据进行补足的预处理。6. 根据权利要求1所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于：第三步中所述的K个组分对应的权重向量.. .jtk)的多元Logistic 函数为：其中，ZQ为包括干道直行流量ZQ,1及连续交叉口直行红灯时长ZQ,2的解释变量，akT = (αοΑ,αυ,α；^)为待估计参数。7.根据权利要求1所述的一种基于可变权重混合分布的城市干道行程时间估计方法， 其特征在于:所述的可变权重混合分布模型，具体为：其中，f(yi)为具有可变权重混合分布的干道行程时间yi密度分布函数，:rtk=Oi，3i2,... jik)为各组分对应的权重向量，且为第k个组分的密度分布函数； 第k个组分的密度分布函数fk(yi)依赖于分布的参数0k及其解释变量 Xk，g卩fk(yi) = fk (yi 19k，Xk);假设参数01{及其解释变量a为线性函数关系，Bp: 0k= γ 〇k+ γ kT · xk (5) 其中，γ 〇k与γ k为待估计常数，解释变量Xk的选取主要依赖于干道连续交叉口直行红灯 时长Z0,2 ; 因此，所述的可变权重混合分布模型进一步表示为：
【专利摘要】本发明公开了一种基于可变权重混合分布的城市干道行程时间估计方法，属于智能交通技术领域。所述方法，对目标研究区域中的干道采集干道行程时间参数，预处理并检验各时段内干道行程时间分布形式，建立固定权重的高斯混合分布模型，确定最优组分数目K；对于交叉口和路段，采集各流向流量及信号控制参数并进行预处理后，建立具有K个组分的混合分布权重系数Logistic函数；然后构建可变权重混合分布模型，估计可变权重混合分布模型中的未知参数，最后进行干道行程时间分布估计和可靠性服务水平评估。本发明相比以往单一分布函数及固定权重混合分布模型，克服了移植性、适应性差等缺点，可以对干道行程时间分布实现更加准确的估计与可靠性评价。
【IPC分类】G08G1/01
【公开号】CN105679025
【申请号】CN201610094870
【发明人】陈鹏, 王云鹏, 余贵珍, 于海洋, 鹿应荣
【申请人】北京航空航天大学
【公开日】2016年6月15日
【申请日】2016年2月22日