执勤行车时间的KMP- RBF融合预测方法*

金杉 金志刚 刘永磊

(1. 天津大学 电气自动化与信息工程学院，天津 300072; 2. 天津市公安消防局，天津 300020)

执勤行车时间的KMP- RBF融合预测方法*

金杉1，2金志刚1刘永磊1

(1. 天津大学 电气自动化与信息工程学院，天津 300072; 2. 天津市公安消防局，天津 300020)

针对执勤车辆沿某一路径行驶时长难以预测的问题，文中提出一种KMP- RBF融合方法，采用GPS定位、悉尼自适应交通控制系统(SCATS)线圈作为融合信号源，建立路况信息选择融合模型，将模糊推理知识表达、MAPSO算法寻优和RBF网络训练相结合，自适应优化系统关键参数，从训练数据库匹配适用时间、空间数据.实验中，使用交通监控系统实测实验用车行驶时长数据，并与预测数据进行对比，从误差率、算法迭代与精确度方面证明文中方法是高效而可靠的．

信息融合; 预测; 模糊推理;多智能体粒子群优化算法;RBF神经网络;k-均值算法;执勤行车时间

现代城市中，救护、消防、工程抢险等执勤车辆行驶存在3个特点: ①调度出发时点不确定，以最短时长抵达现场为首要目标; ②单次行车起止地点确定，而路线不确定; ③较其他车辆优先通行，行驶速度高于当前路段车流平均值[1].近年来，由于城市快速发展而出现的局部交通问题日趋严重，导致诸多紧急事故的延时处置[2].因此，根据不同时刻的拥堵程度，精确预测行驶时长，选择最快到达终点的路线，是当前亟待解决的问题．

目前，预测行车时间的方法主要呈现人工智能算法与多源信息融合两个特点. 李惠兵等……