城市道路交通流预测VIP专享VIP免费

城市道路交通流预测1交通流预测方法历程在交通预测方法方面，上世纪60年代，国外就开始研究交通流预测模型，并逐渐将这些模型应用于短时交通流预测。早期的预测方法主要有时间序列法，自回归滑动平均模型(ARMA)、卡尔曼滤波预测模型等等。这些预测模型主要为线性模型，其考虑因素都较为简单，一般都用最小二乘法(LS)在线估计参数，利用历史数据线性变化趋势预测交通流参数。早期的方法具有计算简便，易于数据实时更新，便于数据量和规模较小的条件下应用的优点；但是由于这些模型不能体现交通流的非线性和随机性，很难克服随机因素对交通流量的干扰，所以随着预测时间隔的缩短，随机因素的作用也增强了，这些模型的预测精度和实时性也就变得达不到预期的效果。伴随着交通流量预测研究的深入进行，学者们又提出了很多更复杂的、更高精度的预测方法和模型。从表现形式上大体可分成三类：第一类是早期以数理统计等传统数学方法为基础的线性预测模型；一类是以现代控制理论和科学技术(如模拟技术、神经网络、模糊控制)为主要方法和手段而形成的非线性预测模型他们的特点是不需要精确的物理模型，在一定应用范围内却具有良好的鲁棒性、精确度；第三类主要是前两者的组合应用，第三类方法综合了的特性，克服前两者他们的缺点，使得前两者的优点互补，从而达到很好的预测效果。这类方法建模过程较为复杂，但为短时交通流预测研究开辟了新的路径，也是将来短时交通流预测方法的发展方向。早在1994年Hobeika,A.G和ChangKyunKim在文献中提出了根据截面历史数据、实时数据和上游交通流数据进行短时交通流预测。BrianL.Smith和MiehaelJ.Demetsky(1997)在文献中对历史平均预测模型、时间序列预测模型、神经网络预测模型和非参数回归预测模型四种交通流预测模型进行了比较，结果非参数回归模型以其模型简单，精度高成为了小样本预测中最佳的预测方法。BartVanArem(1997)等在文献中分析和阐述了短时交通流预测领域研究的相关进展和应用。2002年，SherifIshak和HaithamAl-Deek在文献中应用实时交通流数据对几种短时交通预测模型进行了应用、比较和分析。我国智能交通建设与国外发达国家相比起步较晚，在短时交通流预测方面的研究起步也稍微晚一点。从90年代起，国内一些研究机构和高校的交通领域的学者开始着手研究交通信息采集和数据挖掘技术，并逐渐开始重视短时交通流预测这一领域的研究。针对短时交通流预测的研究，吉林大学、东南大学、同济大学等都进行了大量的研究工作并获得了一些成果和成功的应用案例。其中杨兆升教授是短时交通流预测领域的先行者，他较早提出了基于卡尔曼滤波技术的交通流量预测方法。王晓原，吴磊等在文献中利用非参数小波算法进行短时交通流预测，通过实际数据验证得到了良好的效果。李存军在文献中结合数据融合，神经网络等现代智能方法对交通流进行预测，并引入了路网中相关路口相关评价概念，从而有效利用路网中相关交叉口数据对交叉口流量进行预测。刘静，关伟(2004)在文献中介绍和评述了现有的交通流预测各种模型，并展望了今后可能的发展和研究趋势。总之，目前国内对于交通流预测模型研究和应用已经做了大量的工作和实践交通流量的预测研究也取得了飞速的发展，已由线性方法向非线性方法发展，交通流的随机性在预测中越来越得到重视；由单一的流量数据向多种数据融合的方法发展；由单一路口流量数据向综合考虑相关路口数据的方法发展。但目前的交通流预测精度和实时性还有待提高，预测的时间间隔大部分为15分，主要应用只限于高速公路的交通流预测。2交通流基本参数交通流参数主要有交通流量、速度和密度三个基本参数，这三个参数信息是智能交通系统中实现交通控制和诱导的基础。下面分别介绍这三个参数。（1）交通流量交通流量又称流率，是指路网中某一地点或某一断面在单位时间内通过的车辆数。若道路上某一点在时间周期T内通过的车辆数为N,则交通流量为：q=N/T交通流量是交通流参数中尤为重要的参数,它最直接的反映了路段的交通状况,因此它是交通预测、交通状态判别等研究的基础。它的实际数据不仅能够很容易地测量到,而且能够最直观地反应道路交通的通行状...