交通事件持续时间预测的贝叶斯网络模型?

摘要：

交通事件是引发道路交通拥堵的主要因素之一，通过实时交通诱导等手段可以降低其对交通运行造成的影响，而及时准确地预测事件持续时间则是实现有效管控的前提条件.基于 MIT 打分函数，融合自上而下的网络生长规则，引入蚁群算法寻找最优网络结构，即以 S-ACOB 算法为核心搭建最优贝叶斯网络模型.增加了节点随机选择机制及局部结构概率选择模式，降低局部最优结果生成概率，确保贝叶斯网络的健壮性.通过实例验证及对比分析，针对观测节点属性完备和缺失的情况，网络模型预测精度分别为76．97％和93．23％，平均预测精度可达87．82％，证明该模型可以有效地预测交通事件持续时间.

关键词：交通工程、交通事件、持续时间预测、贝叶斯网络、结构学习、MIT 算法、S-ACOB 算法

分类号：U491.31(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目71210001

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：65-71