张 赫，王 宇，刘 宇，邢江豪

(大连海事大学 交通运输工程学院，辽宁 大连 116026)

0 引 言

交通运输业是国民经济的主导性产业，党的十九大明确提出了建设交通强国的口号，而公路运输在各种交通运输方式中占据着重要地位，2018年公路货物运输量为395.9 亿吨，同比增长7.4 %，占货物运输总量的76.9 %。近年来，随着我国经济的不断发展，大城市外来人口的不断涌入，导致了交通不畅和拥堵，加大了城市公路物流业的负担。货车常常因为道路堵塞而延误到达货运场站取货的时间，同时由于运输企业对于车辆配货的调度安排经常是根据自身经验，缺乏合理的方法，导致车辆与货物之间无法有效配载，车辆空驶率高。因此，如何有效预测货车的周转行程时间，使得货运场站能够提前掌握返回车辆的信息，根据车辆和货物的动态信息制定配载方案，最大程度的利用货车资源，减少人力物力的浪费，提高货运场站的经济效益是目前亟待解决的问题。

在车辆行程时间预测方面，H.M.MOONAM等[1]使用K最近邻、最小二乘回归增强和卡尔曼滤波等方法从已有的数据预测未来的行程时间，并得出了卡尔曼滤波在基于道路的模型中有着更好的预测精度；R.X.ZHONG等[2]提出了一个在线行程时间预测模型，重点是捕捉异常的影响；景辉鑫等[3]针对交通流数据波动性较高和易失真的缺点，提出一种基于灰色 ELM 神经网络的短时交通流预测方法；温惠英等[4]针对行程时间波动性加入了机动车和非机动车因素，建立了阻抗函数模型；……