1、道路行程時間是反映道路交通狀況的重要指標(biāo)。一方面，在現(xiàn)實情境中，由于交通需求在一天當(dāng)中變化很大，使得道路網(wǎng)絡(luò)交通流的時空分布規(guī)律具有時變特性，從而導(dǎo)致道路路段行駛時間很大程度上依賴于交通負荷的變化。因此，準確的路段行程時間動態(tài)預(yù)測，是交通誘導(dǎo)系統(tǒng)、交通信息服務(wù)系統(tǒng)以及交通協(xié)調(diào)控制系統(tǒng)的重要基礎(chǔ);另一方面，由于道路交通流運行的高度復(fù)雜性、隨機性和不確定性，傳統(tǒng)的基于檢測線圈的路段行程時間預(yù)測方法、基于GPS浮動車的路段行程時間預(yù)測方法等單

2、一方法一直未能取得令人滿意的預(yù)測效果，這在一定程度上影響了道路交通控制以及道路交通誘導(dǎo)的效果。鑒于以上預(yù)測方法的優(yōu)缺點及其互補性，本文在多源數(shù)據(jù)融合方法基礎(chǔ)上，采用改進的BP神經(jīng)網(wǎng)絡(luò)圍繞基于數(shù)據(jù)融合的城市道路行程時間預(yù)測方法開展了相關(guān)探索性研究工作，以期進一步提高道路行程時間預(yù)測的準確性。
　　首先，針對固定檢測器和GPS浮動車獲取的道路交通參數(shù)中存在數(shù)據(jù)異常和丟失等問題，本文提出了基于相鄰時段數(shù)據(jù)平均值法的故障數(shù)據(jù)修復(fù)改進方法。

3、改進后的方法能夠較好地修復(fù)故障數(shù)據(jù)，從而提高數(shù)據(jù)的質(zhì)量。
　　其次，針對多輛GPS浮動車數(shù)據(jù)進行道路行程時間預(yù)測過程中存在浮動車在道路上駛過的距離長度不等問題，本文提出了自適應(yīng)權(quán)重系數(shù)線性加權(quán)融合方法，用于多輛GPS浮動車數(shù)據(jù)的道路行程時間預(yù)測。
　　最后，針對單類型檢測器數(shù)據(jù)存在道路行程時間預(yù)測不準確問題，本文提出采用改進的BP神經(jīng)網(wǎng)路對兩種檢測器獲取的道路行程時間數(shù)據(jù)進行融合，從而建立基于數(shù)據(jù)融合的道路行程時間預(yù)測模型。