李庆奎，吕志平，葛智杰

（1.信息工程大学测绘学院，河南郑州450052；2.解放军66011部队，北京102600；3.海军出版社，天津塘沽300450）

近年来，针对行程时间预测，学者们提出了多种预测算法，如历史趋势法［1］、卡尔曼滤波算法［2］、时间序列法［3-4］、非参数回归算法［5-6］、神经网络模型［7-8］以及模糊回归预测算法［9］等。这些算法都是基于历史数据的预测算法，面对复杂多变的实际交通状况，各算法的预测效果却不能令人十分满意。如历史趋势法不能解决非常规或突变的交通状况；卡尔曼滤波算法在每次计算时都需调整权值，计算量大，预测结果延迟时间长；时间序列法在交通状况发生急剧变化时，该算法在预测延迟方面暴露出明显的不足［1］；由于非参数回归算法需要对相邻路段做复杂的调查，因此，应用于行程时间预测的非参数回归模型屈指可数；神经网络模型在数据不足时，会导致预测效果下降；模糊回归模型由于未考虑相关路段信息和路段历史流量信息对行程时间的影响，导致预测结果普遍偏小。为了得到更准确的行程时间预测结果，真实反映出道路的实时交通状况，本文将模糊理论技术引入行程时间预测算法中，考虑交通流量、占有率等实时交通信息，提出了基于模糊综合评判的智能行程时间预测算法。

1 模糊综合评判的数学模型

模糊综合评判是运用模糊方法对事物做出综合评判，其过程是把评价目标看作由多种因素组成的因素集，再设定这些因素所能选取的评审等级，组成评语的评判集，分别求出每个因素对各个评审等级的模糊矩阵，然后根据各个因素在评价目标中的权重分配，通过模糊矩阵合成，求出评价的定量解值。……