• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Iterative Bayesian Estimation of Travel Times on Urban Arterials: Fusing Loop Detector and Probe Vehicle Data
【2h】

Iterative Bayesian Estimation of Travel Times on Urban Arterials: Fusing Loop Detector and Probe Vehicle Data

机译：城市动脉行程时间的贝叶斯迭代估计：融合环路检测器和探测车辆数据

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

On urban arterials, travel time estimation is challenging especially from various data sources. Typically, fusing loop detector data and probe vehicle data to estimate travel time is a troublesome issue while considering the data issue of uncertain, imprecise and even conflicting. In this paper, we propose an improved data fusing methodology for link travel time estimation. Link travel times are simultaneously pre-estimated using loop detector data and probe vehicle data, based on which Bayesian fusion is then applied to fuse the estimated travel times. Next, Iterative Bayesian estimation is proposed to improve Bayesian fusion by incorporating two strategies: 1) substitution strategy which replaces the lower accurate travel time estimation from one sensor with the current fused travel time; and 2) specially-designed conditions for convergence which restrict the estimated travel time in a reasonable range. The estimation results show that, the proposed method outperforms probe vehicle data based method, loop detector based method and single Bayesian fusion, and the mean absolute percentage error is reduced to 4.8%. Additionally, iterative Bayesian estimation performs better for lighter traffic flows when the variability of travel time is practically higher than other periods.
机译：在城市动脉上，旅行时间的估计尤其是来自各种数据源的挑战。通常，在考虑不确定，不精确甚至冲突的数据问题时，将环路检测器数据和探测车辆数据融合以估计行驶时间是一个麻烦的问题。在本文中，我们提出了一种改进的数据融合方法，用于链路旅行时间估计。同时使用环路检测器数据和探测车辆数据来预估算链路行驶时间，然后基于该贝叶斯融合对估计的行驶时间进行融合。接下来，提出了迭代贝叶斯估计，以通过结合两种策略来改进贝叶斯融合：1）替换策略，将当前来自一个传感器的较低的精确行程时间估计替换为当前的行程时间； 2）专门设计的收敛条件将估计的旅行时间限制在合理的范围内。估计结果表明，所提出的方法优于基于探测车辆数据的方法，基于环路检测器的方法和单贝叶斯融合，并且平均绝对百分比误差降低到4.8％。此外，当行进时间的可变性实际上比其他时间段高时，迭代贝叶斯估计对于较轻的交通流量表现更好。

著录项

  • 期刊名称 other
  • 作者

    Kai Liu; Meng-Ying Cui; Peng Cao; Jiang-Bo Wang;

  • 作者单位
  • 年(卷),期 -1(11),6
  • 年度 -1
  • 页码 e0158123
  • 总页数 12
  • 原文格式 PDF
  • 正文语种
  • 中图分类
  • 关键词

  • 入库时间 2022-08-21 11:12:11

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号