Resumen

La predicción de la velocidad del tráfico a corto plazo es un tema significativo para el desarrollo de aplicaciones de Sistemas de Transporte Inteligente, y resultados precisos en la predicción de velocidad son entradas necesarias para el Sistema de Información de Seguridad del Tráfico Inteligente (ITSIS) y los sistemas avanzados de gestión del tráfico (ATMS). Este artículo presenta un modelo híbrido para la velocidad de viaje basado en análisis de características temporales y espaciales y fusión de datos. Esta metodología propuesta predice la velocidad dividiendo los datos en tres partes: una tendencia periódica estimada por la serie de Fourier, una parte residual modelada por el modelo ARIMA, y los posibles eventos afectados por las condiciones de tráfico aguas arriba o aguas abajo. El objetivo de este estudio es mejorar la precisión de la predicción modelando la variación temporal y espacial de la velocidad, y los resultados de la predicción podrían reflejar simultáneamente la variación periódica de la velocidad del tráfico y las emergencias. Esta información podría proporcionar

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:Pronóstico de velocidad del tráfico; Sistemas de Transporte Inteligente; Resultados de pronóstico de velocidad; Sistema de Información de Seguridad del Tráfico Inteligente; Sistemas avanzados de gestión del tráfico; Modelo híbrido; Análisis de características temporales y espaciales; Fusión de datos; Tendencia periódica; Serie de Fourier; Modelo ARIMA; Condiciones de tráfico aguas arriba o aguas abajo; Precisión de la predicción; Variación en tiempo y espacio; Emergencias; Tomadores de decisiones; Medidas de gestión del tráfico; Twin Cities Metro; Minnesota; Características periódicas; Datos de velocidad; Predicción de velocidad de viaje.
• Keywords:Traffic speed forecasting; Intelligent Transportation Systems; Speed forecasting results; Intelligent Traffic Security Information System; Advanced traffic management systems; Hybrid model; Temporal and spatial characteristics analysis; Data fusion; Periodic trend; Fourier series; ARIMA model; Upstream or downstream traffic conditions; Accuracy of the prediction; Time and space variation; Emergencies; Decision-makers; Traffic management measures; Twin Cities Metro; Minnesota; Periodic characteristics; Speed data; Travel speed prediction.