18、交通时间预测与线性排序问题的算法研究

交通时间预测与线性排序问题的算法研究

交通时间预测方法

在智能交通系统（ATIS）的道路网络中，交通时间预测至关重要。研究人员利用浦项国立大学（PNU）轨迹生成器的真实交通数据，开发了两种预测交通时间的方法。

不同方法的平均绝对相对误差（MARE）与出行距离存在一定关系。部分方法的MARE在一定距离内有不同的分布情况，例如某些方法的MARE在15公里距离内不规则地分布在0.13至0.20之间，当起讫点（O - D）对的距离超过15公里时，输出的MARE均匀地分散在0.28至0.38之间。以下是一些O - D对在不同距离下不同方法的MARE关系表：
| 出行距离（km） | SMA | CA | NBC | SW |
| — | — | — | — | — |
| 7 | 0.10 | 0.10 | 0.20 | 0.20 |
| 15 | 0.16 | 0.20 | 0.13 | 0.17 |
| 22 | 0.22 | 0.24 | 0.37 | 0.28 |
| 30 | 0.23 | 0.24 | 0.38 | 0.30 |

与其他方法相比，所提出的方法在大多数测试案例中提供了更精确的预测，其中简单移动平均（SMA）方法比其他方法更精确。这些方法具有以下优点：
1. 精确预测 ：能够提供准确的交通时间预测。
2. 低成本 ：由于计算简单，每个方法只需要执行非常简单的计算，降低了系统的复杂性。
3. 消除波动 ：与传统的移动平均方法相比，能够消除数据集中不必要的波动。