基于Copula的干道行程时间分布建模
应用统计
2020-05-11 v1
摘要
行程时间分布(TTD)的估计对于可靠的路径引导至关重要，并为先进的交通管理与控制提供理论基础和技术支撑。现有的干道TTD估计方法通常假设路径行程时间服从某一分布，而未考虑路段间的相关性。然而，由于连续路段上的行程时间可能存在依赖关系，这种方法通常不符合实际。本研究使用copula函数来建模干道TTD，因为copula能够纳入路段相关性。首先，利用BMW集团提供的德国慕尼黑一条主要城市干道的逐日GPS数据，对路段相关性进行实证分析。采用有限高斯混合模型(GMM)估计路段TTD。接着，引入若干copula模型，即Gaussian、Student-t、Clayton和Gumbel，以建模路段TTD之间的依赖结构。各copula模型的参数通过最大对数似然估计获得。然后，基于copula模型估计由连续路段TTD构成的路径TTD。通过考察聚合路段数增加时的性能来评估模型的可扩展性。依据拟合优度检验确定最佳拟合copula。结果表明，与不考虑路段相关性的卷积方法相比，所提出的copula模型在聚合路段数增加时具有优势。
引用
@article{arxiv.2005.03699,
title = {Modelling arterial travel time distribution using copulas},
author = {Adam Samara and Felix Rempe and Simone Göttlich},
journal= {arXiv preprint arXiv:2005.03699},
year = {2020}
}