|
|
马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？注册
x
看了宋涛的帖子“IBM和新加坡陆路交通管理局完成交通预测试点项目”后，去IBM研究院的网站上下载了这篇论文。IBM应该就是采用这种方法来进行交通预测的。刚读完这篇文章，基本清楚了作者所采用的方法，有几点想法。
1、以前看到过Inrix公司关于交通预测的报道（国内网站上也有），宣称能够预测一个礼拜内的动态路况，觉得有些不可思议，难道交通事故也能预报？交通事故对交通流可能会有很大影响，不考虑事故的影响，何谈较长期的准确预测？Inrix采用了较复杂的Bayesian统计网络，并考虑了施工、校历、天气等的影响，感觉比IBM目前的方法考虑的东西好像还要多一些。有趣的是，Inrix的技术起源于微软研究院，新加坡的交通预测采用了IBM研究院的成果，而这两家研究院都是IT界的顶级研究机构。
2、印象中，统计方法（如ARMA模型）通常都是针对单条或者少数几条路段进行的，而作者的方法可真正用于网络，是一大进步。基于历史的平均路况数据，建立起了路段之间在空间上的相互关系，把网络中各路段交通流间的时空相关关系统一于一个自回归滑动(ARMA)模型当中，很不错的工作。采用这类统计方法包括神经网络等用于实时交通流预测，最早这样做的应该是the University of Virginia大学的Brian Smith教授，国内外这方面的论文几乎都会引用他的工作。
3、搞IT的人研究交通很喜欢把交通系统当作一个“黑箱”处理，只研究输入-输出关系，很少有人钻到黑箱里面去看看交通系统的内部运行机理是什么样子的。采取这种路线固然是发挥所长，但未必是好事。不难理解，基于对大量数据做统计分析，短期预测正常情况下的路况，取得很好的预报精度是完全可能的。交通系统并不是一个完全无规律可循的系统。国外曾有教授认为交通系统中存在混沌现象，车辆一次随意并线这样的小扰动可能会给路网交通流带来巨大影响，因此网络交通流的短期预测是不可能实现的。他的观点遭到Berkeley加州大学一位教授（好像是PATH计划的负责人）的批评，认为交通系统是有规律可循的。
4、不久前，美国明尼苏达塌桥事故造成约14万辆车被迫改变行车路线，从而带来了大量新的交通拥堵；飓风或者战争造成大量新增的交通需求需要紧急疏散；无法预测的特殊交通事件对路网交通流分布带来较大影响等等，诸如此类的东西，统计方法或者神经网络等方法如何处理？此时，网络交通流已不再是一个平稳随机过程，交通需求结构甚至都发生很大变化的情况下，这类方法是比较难做的，即使采用所谓的“自适应在线校正技术”。
5、搞交通的和搞IT的要融合，问题是对网络交通流而言，应如何进行技术层面的融合？恐怕是大家需要思考的问题。不过DTA技术的应用范围会很宽，把交通系统内部的运行机理分析透彻了，进行动态交通管理无疑就是前进了一大步。
一家之言而已，可能不少观点是不正确的，大家一起讨论。
[ 本帖最后由 水寿松 于 2009-5-3 17:31 编辑 ] |
|
IP卡
狗仔卡
发表于 2007-8-16 15:28:47
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡
