基于学习方法的家庭配送旅行速度预测

在网络中从一个地点到另一个地点的旅行时间是许多城市交通环境中的一个重要考虑因素，从货运运输中配送路线的规划到先进旅行信息系统中最短路线的确定。因此，准确的旅行时间预测至关重要。在城市环境中，由于事故或恶劣天气等原因造成的交通拥堵，车辆速度以及相应的旅行时间可能会高度变化。在另一层面上，人们还观察到每日模式（例如高峰时段）、每周模式（例如工作日与周末）和季节模式。在建模旅行速度时捕捉这些随时间变化的模式可以为运输公司带来直接的好处，因为这可以帮助他们更好地优化路线并减少环境足迹。本文呈现了一个旨在优化城市环境中时间依赖配送路线的项目的第一部分。它重点预测旅行速度，使用收集自商用车辆的GPS轨迹作为输入，这些轨迹的数据收集经过了相当长的时间。提出的算法框架由多个宏步骤组成，其中应用了不同的机器学习和数据挖掘方法。报告了在真实数据上的计算结果，以实证展示所获得预测的准确性。