软件学报

作者：柏梦婷，林杨欣，马萌，王平

单位：柏梦婷，北京大学 软件与微电子学院, 北京 10260011,林杨欣，北京大学 软件与微电子学院, 北京 10260002,马萌，软件工程国家工程研究中心(北京大学), 北京 10087103,王平，北京大学 软件与微电子学院, 北京 102600;软件工程国家工程研究中心(北京大学), 北京 100871;高可信软件技术教育部重点实验室(北京大学), 北京 10087104

关键词：行程时间预测;模型驱动;数据驱动;参数方法;非参数方法

基金：国家重点研发计划（2017YFB1200700）；国家自然科学基金（61701007）

行程时间预测，有助于实施高级旅行者信息系统.自20世纪90年代起，已经有多种行程时间预测方法被研发出来.将行程时间预测方法分为模型驱动方法和数据驱动方法两大类.介绍了两种常见的模型驱动方法，即排队论模型和细胞传输模型.数据驱动方法被分类为参数方法和非参数方法：参数方法包括线性回归、自回归集成移动平均和卡尔曼滤波，非参数方法包括神经网络、支持向量回归、最近邻和集成学习方法.对现有行程时间预测方法从源数据、预测范围、准确率、优缺点和适用范围等方面进行了分析总结.针对现有方法的一些缺点，提出了可能的解决方案.给出了一种新颖的数据预处理框架和一个行程时间预测模型，最后指出了未来的研究方向.

来源：2020年第12期

《软件学报》期刊编辑部

查看软件学报杂志2020年第12期