Resumen

La aplicación y el desarrollo de nuevas tecnologías permiten adquirir datos de los vehículos en tiempo real. A partir de estos datos en tiempo real, puede analizarse el comportamiento de los vehículos. La predicción del comportamiento de los vehículos proporciona datos de apoyo para la gestión fina del tráfico. Este artículo propone que la velocidad y la aceleración tienen características fractales mediante el análisis R/S de los datos de series temporales de velocidad y aceleración. Basándose en el análisis de las características de los parámetros microscópicos, se cuantifican los índices característicos de los parámetros, se establece el modelo de predicción fractal de múltiples pasos de los microparámetros, y se establece el modelo BP (redes neuronales de retropropagación) para estimar el paso predecible del modelo de predicción fractal. El modelo de predicción fractal de múltiples pasos se utiliza para predecir la aceleración de la velocidad en el paso predecible. Se utilizan datos de trayectoria NGSIM para probar el modelo de predicción multipaso. Los resultados muestran que el modelo fractal de predicción multietapa propuesto puede realizar eficazmente la predicción multietapa de la velocidad del vehículo.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:modelo fractal de predicción multipaso, paso predecible, datos temporales, datos de trayectoria ngsim, modelo fractal de predicción, modelo de predicción multipaso, datos de series temporales, aceleración, velocidad, vehículos
• Keywords:fractal multistep prediction model, predictable step, time data, ngsim trajectory data, fractal prediction model, multistep prediction model, time series data, acceleration, speed, vehicles