[发明专利]改进的行程时间可靠性分析方法

摘要

本发明提供一种改进的行程时间可靠性分析方法，在传统的行程时间可靠性指标估计基础上，采用Bonferroni修正的K‑S检测法对行程时间是否存在季节、月份差异进行检验；用对数正态分布拟合行程时间的分布，采用最大期望算法进行参数标定；采用Bootstrap方法对行程时间估计样本进行有放回抽样；进行M轮重复抽样；计算每个数据子集行程时间可靠性指标TTR_m；对于符合正态分布TTR进行点估计与区间估计；本发明方法输出可靠性指标估计区间，相较于可靠性指标点估计值，置信区间对行程时间可靠性的描述更为全面，且区间上限值在诱导发布、交通规划等应用中也更具现实意义。

主权项

1.一种改进的行程时间可靠性分析方法，其特征在于：包括以下步骤，S1、构建路段行程时间估计模型，基于路段上下游交通流检测器输出的参数检测数据，估计任一给定时刻ti驶离的车辆在路段的行程时间TT_ti；S2、对行程时间数据进行汇集，减少交通流参数波动性对可靠性的影响；汇集策略为：TT_agg(t_α)＝F(TT_t1,…,TT_ti,…,TT_tN)，其中F(*)为中值函数，TT_agg(t_α)为行程时间的汇集值，TT_ti为在ti时刻驶离的车辆在路段的行程时间；S3、对包含不同月份以及季度的行程时间估计数据样本进行子集划分，生成S个子集，并采用Bonferroni修正的K‑S检验法对多个行程时间数据子集间是否具有明显差异进行统计检验；若检验结论为不具有明显差异，则表明行程时间不具有月度或季度的时间差异性特征；否则，则说明时间特征会影响模型对行程时间估计的可靠性；S4、用对数正态分布拟合行程时间的分布；采用最大期望算法进行参数标定；S5、采用Bootstrap自抽样法对行程时间估计样本进行有放回抽样；进行M轮重复抽样，得到M个行程时间估计样本的子数据集TTS_m，m＝1,2,…,M；计算每个数据子集行程时间可靠性指标TTR_m；S6、将行程时间估计样本的子数据集整合为数据集TTR＝{TTR₁,,…，TTR_i,…，TTR_M}，检验TTR是否符合正态分布；若符合正态分布，进行TTR均值与标准差SE(TTR)点估计，以及标准误差区间、百分位区间与改进百分位区间的区间估计；若不符合正态分布，则检测样本中的异常值并将其剔除，再重新执行步骤S6。