（应用数学专业论文）道路网短时交通流分析与预测.pdf

独创性声明 i i l l1 1i ii i1i i 1 11 1 1 1iii y 1817 0 4 4 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其它教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 o ? o l o ，p 。多 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可 以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段 保存论文。 ( 保密的论文在解密后应遵守此规定) 武汉理工大学硕士学位论文 摘要 短时交通流预测是道路交通控制系统、交通流诱导系统等领域需要解决的 首要问题之一。目前，交通流量分析与预测已经成为交通工程领域重点研究的 课题，同时也是智能运输系统的核心研究内容之一。 众所周知，道路交通受各种复杂因素的制约和影响，使得交通流时间序列 表现出高度的少数据不确定性、非线性性和复杂性。同时，道路交通是一个网 状结构，各个路段是相互联系相互作用的，使得道路网中多个断面的交通流数 据还具有相关性、周期性和延迟性特征。因此，传统的交通流预测模型不能取 得令人满意的效果。 灰生成空间模型的研究对象是少数据且不确定系统，首先灰生成升华了系 统原始信息的层次，然后再建立具有部分差分、部分微分性质的模型来对系统 进行控制。另外，新灰色系统模型如g m ( r ，) 系列，不仅能很好适应交通流原始 时间序列的少数据不确定性，还能较好拟合其非线性性、周期性和延迟性。因 此，灰色预测模型符合短时交通流量时间序列的基本特征。 本文从道路网单断面和多断面两个方面对短时交通流预测做了一些工作： ( 1 ) 对道路网单断面短时交通流预测进行实证研究。虽然现有的单断面短 时交通流预测模型的预测精度已达到一定的要求，但仅用一种模型对交通流量 进行预测，难免会带来一些局限性和不完备性，所以，国内外学者将不同的预 测模型进行组合对交通流量进行预测。本文针对交通流时间序列的周期波动特 性，引入了灰色周期外延组合模型，并预测了单断面短时交通流量，最后把预 测结果与传统g m ( 1 ，1 ) 模型比较，证明了组合模型预测精度高于传统g m ( 1 ，1 ) 模 型。 ( 2 ) 建立了道路网多断面短时交通流量预测模型。首先，分析了m g m ( 1 ，n ) 模型的基本性质，给出了各性质的详细证明过程，最后把该模型运用于多断面 短时交通流量的预测。其次，简单介绍了g m ( i ，l l t a n ( k r ) p ，s i n ( k r ) p ) 模型，然 后针对道路网多断面交通流时间序列的延迟性、数据的周期波动性以及交通流 的少数据不确定性，提出了多变量灰三角m g m ( 1 ，n l t a n ( k r ) p ，s i n ( k r ) p ) 模型， 详细研究了该模型建模机理、建模过程以及其参数估计方法。通过实证，并与 武汉理t 大学硕士学位论文 m g m ( 1 ，n ) 模型的预测结果进行比较，表明了新模型应用于多断面短时交通流预 测领域的有效性。 关键词智能交通系统；短时交通流预测；组合预测模型；灰色多变量三角模型 n 武汉理t 大学硕士学位论文 a b s t r a c t s h o r t t e r mt r a f f i cf l o wf o r e c a s t i n gi saq u e s t i o no ft h ef i r s ti m p o r t a n c ef o rt h e r o a dt r a f f i cc o n t r o la n di n d u c t i o ns y s t e m s a tp r e s e n t ，t r a f f i cf l o wa n a l y s i sa n d f o r e c a s t i n gh a v e b e c o m ea p r i n c i p a lt o p i ci nt h ef i e l do f t r a f f i ce n 百n e e r i n g ni sa l s ok n o w nt h a t ，d u et ot h ei n f l u e n c ea n dc o n s t r a i n to fv a r i o u sc o m p l e x c o n d i t i o n s ，t r a 伍cf l o wt i m es e r i e ss h o wt h es p e c i a lc h a r a c t e r s ，s u c ha sl a c ko f i n f o r m a t i o na n du n c e r t a i n t y , n o n l i n e a r i t ya n dc o m p l e x i t y a tt h es a m et i m e ，r o a d t r a 伍ci saw e b 1 i k es t r u c t u r ea n dv a r i o u ss e c t i o n sa r ei n t e r r e l a t e da n di n t e r a c t i o n a l s o t r a f f i cf l o wd a t ao fm u l t i p l es e c t i o n sh a sc o r r e l a t i o n , c y c l i c a lf l u c t u a t i o n sa n d t i m e - l a g t h u s ，c o n v e n t i o n a l t r a f f i cf l o w f o r e c a s t i n gm o d e l s c a nn o to b t a i n s a t i s f a c t o r yr e s u l t s g r e yg e n e r a t i n gs p a c em o d e l t a k e st h es y s t e mo fi n s u f f i c i e n td a t aa n d u n c e r t a i n t ya sr e s e a r c ho b j e c t f i r s t ，g r e yg e n e r a t i n ga d v a n c e st h el e v e lo fo r i g i n a l i n f o r m a t i o n ，t h e ni tc o n t r o lt h es y s t e mt h r o u g he s t a b l i s h i n gm o d e lw h i c hc o n t a i n s d i f f e r e n c ea n dd i f f e r e n t i a l i na d d i t i o n , n e wg r e ys y s t e mm o d e l s ，s u c ha sg m ( r ，) s e r i e sn o to n l ya d a p tt h el a c ko fi n f o r m a t i o na n du n c e r t a i n t yo ft r a f f i cf l o wt i m e s e r i e sb u ta l s of i tt h en o n l i n e a r i t y , p e r i o d i c i t ya n dt i m e - l a g h e n c e ，g r e yf o r e c a s t i n g m o d e l sc o m eu pt ot h eb a s i cc h a r a c t e r i s t i c so fs h o r t - t e r mt r a f f i cf l o w t i m es e r i e s i nv i e wo ft h es e c t i o no fs i n g l ea n dm u l t i p l e ，t h i sa r t i c l ed o e ss o m ew o r ka b o u t t r a f f i cf l o wp r e d i c t i o na sf o l l o w s ： ( 1 ) p r e d i c ts h o r t - t e r mt r a f f i cf l o wo fs i n g l es e c t i o n a l t h o u g ht h ee x i s t i n gs i n g l e s e c t i o n a lt r a f f i cf l o wf o r e c a s t i n gm o d e l sh a v er e a c h e dac e r t a i np r e c i s i o n ，b u to n l y o n em o d e lh a r dt oa v o i dl i m i t a t i o n sa n di n c o m p l e t e n e s s s oc h i n e s ea n df o r e i g n s c h o l a r sc o m b i n ed i f f e r e n tf o r e c a s t i n gm o d e l st op r e d i c tt r a f f i cf l o w f o rt h ec y c l i c a l f l u c t u a t i o n so ft r a f f i cf l o w t i m es e r i e s ，t h i s p a p e rb u i l d sc o m p o s i t ep a t t e r no f g r e y - c y c l ee x t e n s i o n m e a n w h i l e ，w ea p p l yt h em o d e lt of o r e c a s tt h et r a f f i cf l o wo f s i n g l es e c t i o n t h er e s u l t ss h o wt h a tc o m p o s i t ep a t t e r nh a sh i g ha c c u r a c y ( 2 ) e s t a b l i s hm u l t i p l es e c t i o n a ls h o r t - t e r mt r a f f i cf l o wf o r e c a s t i n gm o d e l f i r s t l y , i i i 武汉理工大学硕+ 学位论文 w ea n a l y s ea n dp r o v et h eb a s i cn a t u r eo fm g m ( 1 ，n ) m o d e l t h e na p p l yi tt ot h e m u l t i p l es e c t i o n a ls h o r t - t e r mt r a f f i cf l o wp r e d i c t i o n t h e nf o rt h ed e l a y e d ，p e r i o d i c i t y a n di n s u f f i c i e n td a t ao ft r a f f i cf l o w , t h em g m ( 1 ，n l t a n ( k r ) p ，s i n ( k - r ) p ) m o d e li sp u t f o r w a r di no r d e rt oe n h a n c ef o r e c a s ta c c u r a c y t h e nw es t u d ym o d e l i n gp r o c e s s ， p a r a m e t e re s t i m a t i o na n ds oo n i nt h ee n d ，m o m ( 1 ，n l t a n ( k - r ) p ，s i n ( k - r ) p ) m o d e l i sa p p l i e df o rm u l t i p l es e c t i o n a ls h o r t - t e r mt r a f f i cf l o wf o r e c a s t i n gc o m p a r i n gw i t h t h er e s u l t so fm g m ( 1 ，n ) m o d e l ，i ti sp r o v e dt h a t m g m ( 1 ，n t a n ( k - r ) p ，s i n ( k - r ) p ) m o d e li sa ne f f e c t i v em e t h o do fa n a l y s i n ga n df o r e c a s t i n g k e y w o r d s ：i n t e l l i g e n tt r a f f i cs y s t e m ；s h o r t t e r mt r a f f i cf l o wf o r e c a s t i n g ；p r e d i c t i v e m o d e lo fc o m b i n a t i o n ；g r e ym u l t i - v a r i a b l et r i a n g l em o d e l i v 武汉理工大学硕士学位论文 目录 摘要i a b s t r a c t 第1 章绪论l 1 1 课题背景及研究意义1 1 2 国内外交通流预测研究现状3 1 2 1 单断面短时交通流预测研究现状3 1 2 2 多断面短时交通流预测研究现状5 1 3 本文的研究内容及技术路线6 1 3 1 研究内容6 1 3 2 技术路线7 1 4 本章小结8 第2 章短时交通流分析及灰色预测模型 9 2 1 短时交通流分析9 2 1 1 交通流特性9 2 1 2 短时交通流预测模型要求1 l 2 2 灰色系统理论1 2 2 3 基本粒子群算法1 4 2 3 1 算法基本原理1 4 2 3 2 粒子群算法的计算流程15 2 4 本章小结1 6 第3 章单断面短时交通流预测的实证研究1 7 3 1 组合预测模型基本理论1 7 3 2 灰色组合预测模型理论及意义1 7 3 3 灰色一周期外延组合模型1 8 v 武汉理工大学硕士学位论文 3 3 1 经典灰色g m ( i ，1 ) 模型1 9 3 3 2 建立残差序列2 1 3 3 2 灰色一周期外延组合模型。2 1 3 4 单断面短时交通流预测实证研究2 3 3 5 本章小结2 6 第4 章多断面短时交通流预测模型建立及实证研究2 7 4 1m g m ( i ，n ) 模型2 7 4 1 1m g m ( i ，n ) 模型建立2 7 4 1 2m g m ( i n ) 模型的参数空间2 9 4 1 3 数乘变换对m g m ( i ，n ) 模型参数的影响3 2 4 1 4 多断面短时交通流预测实证研究3 6 4 2 灰色多变量三角模型3 6 4 2 1 灰色单变量三角模型3 6 4 2 2 灰色多变量三角模型的建立3 8 4 2 3 灰色多变量三角模型的相关问题3 9 4 2 4 多断面短时交通流预测实证研究4 0 4 3 本章小结4 4 第5 章总结与展望。4 5 5 1 本文研究的主要内容4 5 5 2 进一步研究的重点4 5 参考文献 4 6 致谢5 0 攻读硕士学位期间发表论文及参加科研项目情况5 1 v i 武汉理工大学硕士学位论文 第1 章绪论 1 1 课题背景及研究意义 随着经济全球化与科学日新月异的发展，人类社会文明进入了一个快速发 展的新时期。城市交通作为社会经济生活的一个重要方面，对保证社会经济体 系的正常运行发挥着越来越大的作用。改革开放以来，我国经济和社会得到了 迅速的发展，高效、快捷的交通系统已成为社会经济发展的有力保障。我国政 府在“十五”国民经济发展纲要中明确指出：“交通建设要统筹规划，合理安排， 扩大网络，优化结构，完善系统，推进改革，建立健全畅通、安全、便捷的现 代交通系统。特别是要以“信息化、网络化为基础，加快智能型交通的发展”。 智能交通系统( i n t e l li g e n tt r a n s p o r ts y s t e m s ，以下简称i t s ) 的前身 是智能车辆道路系统( i n t e l l i g e n tv e h i c l eh i g h w a ys y s t e m ，i f h s ) ，它是将 先进的计算机处理技术、通讯传输技术等众多高新技术与传统交通融合的一种 新型运输系统。该系统集信息化、智能化、社会化于一体，使交通基础设施发 挥最大效能，其突出特点是以信息的收集、处理、发布、交换、分析、利用为 主线，为交通参与者提供多样性的服务，并且通过人、车、路的和谐和密切配 合来提高交通运输效率，缓解交通阻塞、提高路网通过能力、减少交通事故、 降低能源消耗、减轻环境污染。它涉及到国家和地方的诸多相关部门，其内容 与广大人民群众的切身利益直接相关。美国、欧洲和日本在智能交通系统研究 方面各有侧重，美国虽然起步稍晚于欧洲和日本，但从智能运输系统研究领域 和内容看，美国的研究领域较宽，研究内容也比较丰富。在1 9 9 4 年1 0 月份以 前，美国i v h s 研究内容主要集中在“先进的交通管理系统”“先进的出行者信 息系统 “先进的公共运输系统”等方面。我国的i t s 研究虽然刚刚起步，但在 i t s 基础理论模型研究方面却处于先进水平，随着电子技术、计算机技术和通讯 技术的发展，如果把硬软件结合起来，将有力的推进我国交通系统研究的深入 发展。 城市交通流诱导系统( u t f g s ) 是智能交通系统( i t s ) 的核心研究领域，它 的研究在发达国家起步较早，并取得了一些比较有影响的成果。在我国，特别 武汉理工大学硕士学位论文 是在大中城市，交通拥挤日益严重，如何解决这个问题，充分发挥交通设施的 效能，已成为摆在我们面前的重用课题。城市交通流诱导系统是更有效地管理 现代交通、实现交通流优化的一种技术。它集成了多种高新技术，如地理信息 系统、定位技术、导航技术、现代无线通信技术等，用于对交通参与者进行诱 导，使交通出行变得方便快捷。近几年，各大城市的机动车拥有量急剧增加， 尽管城市交通建设和交通管理部门在交通路网建设和交通管理科技设施建设方 面投入了大量的人力、财力和物力，但仍然避免不了城市交通拥堵现象的发生， 行车难、停车难成为各大城市普遍存在的问题，因为交通参与的随意性和无规 律性，使交通管理者无法提前规划，也因此加剧了城市交通管理的压力。实施 城市交通流诱导系统后，就可通过诱导信息影响出行前、出行中的驾驶员和出 行者，动态诱导、控制路网交通流，从而有效地对交通流进行诱导，合理分布 交通流，提高现有道路基础设施的利用率，改善交通安全，有效地缓解交通拥 挤，为驾驶人员安全快速行车提供良好的服务，进而实现城市交通网络系统的 预期均衡，使现有的路网交通设施运行在效益最佳状态。交通流量则是判别道 路交通状态的一个关键因素，因此实时准确的短时交通流预测成为当前的研究 热门。 对于短时交通流进行预测，首先要划定交通流时间序列的尺度，即选择交通 流的统计间隔。一般地，统计时间间隔不超过1 5 m i n 的交通流时间序列，称之 为短时交通流：跨度不超过1 5 m i n 的交通流预测称为短时交通流预测，如果超过 这个尺度，将不利于分析交通流的细微变化状态，也不利于验证交通流理论模 型，而选择的时间间隔尺度越小，进一步预测之后，能提供更精确的近时间内 的交通流变化信息，以供管理者以及用户做出合理决策和路线选择。交通流预 测是指在时刻t 对下一决策时刻t + t 乃至以后若干时刻的交通流作出实时预 测。一般认为t 到t + at 之间的预测时间跨度不超过1 5 m i n ( 乃至小于5 m i n ) 的 预测为短时( s h o r t - t e r m ) 交通流预测。正确的交通流预测是智能交通系统中实 时交通信号控制、交通分配、路径诱导、自动导航，事故检测等的前提，实时 准确的交通流量预测是这些系统实现的前提及关键，交通流量预测结果的好坏 直接关系到交通诱导与控制的效果。 所以研究交通流预测方法及理论具有很深的现实意义。 2 武汉理t 大学硕士学位论文 1 2 国内外交通流预测研究现状 短期交通流预测模型最早可追述到2 0 世界6 0 年代。那时，人们将其他领域 己经较成熟的预测模型应用到交通流预测中。但直到现在，国内外关于交通流 动态预测理论的研究还处于发展阶段，并没有形成比较成熟的理论体系。在以 往的研究中，关于短时交通流量实时预测的研究还未能取得令人满意的成果。 这主要是因为短时交通流量预测受随机干扰因素影响大，不确定性强，规律性 不明显。 本文从两个方面对国内外交通流的研究现状进行概括总结。 1 2 1 单断面短时交通流预测研究现状 单断面交通流预测是以道路上某一个数据统计点的断面交通流数据为研究 对象，是只考虑该断面本身的交通流数据随时间变化规律的预测。 ( 1 ) 单断面交通流组合预测模型 1 9 6 9 年，b r a e s 和g r a n g e r 首次提出了组合预测的理论和方法，将不同的预 测方法进行组合。2 0 0 4 年，杨世坚和贺国光【2 j 提出了基于模糊c 均值聚类和神 经网络的短时交通流预测方法；2 0 0 4 年，杨立才【3 】把粗集理论引入到神经网络， 应用粗神经元取代部分常规神经元，给出了交通流粗神经网络组合预测模型； 2 0 0 7 年，谭满春和徐建闽【4 】把交通流时间序列看成由线性自相关部分和非线性 部分组成，将自回归求和滑动平均( a r i m a ) 与人工神经网络组合模型用于短时 交通流预测；2 0 0 8 年，孙湘海和刘潭秋【5 】提出季节自回归求和移动平均模型 ( s a r i m a ) 和广义回归神经网络( g r n n ) 模型所构成的组合( s a r i m a g r n n ) 模 型对短时交通流进行预测；2 0 0 8 年，聂佩林和余志【6 j 提出了基于约束卡尔曼滤 波的短时交通流量组合预测模型：以各单一预测模型的权重为状态变量，交通 流量为观测变量，预测结果为单一模型预测结果的加权和，且加权系数由约束 卡尔曼滤波方程递推动态确定；2 0 0 8 年，王家伟【7 j 为解决交通预测的全局优化 控制问题，运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析， 基于分形理论的相似性原理建立了交通流量的预测模，并给出了交通流优化控 制系统的运行机制和相应的网络拓扑结构；2 0 0 9 年，吴慰【8 】针对传统组合预测 的局限性，为了提高短时交通流预测的精确度，提出了微粒群一偏最小二乘回 武汉理工大学硕十学位论文 归( p s o p l s ) 组合预测方法，充分考虑了各个样本在样本空间代表性的不同， 利用粒子群算法对每个样本的最佳权重进行寻优；2 0 0 9 年，谭满春和李英俊【9 】 针对交通系统的不确定性所带来的交通流量非线性性和强干扰性的特征，提出 了基于小波消噪的a r i m a 与s v m 组合的交通流预测模型：首先应用小波分析， 对原始交通流数据进行了消噪处理，然后采用自回归求和滑动平均和支持向量 机相结合的预测模型对交通流进行了预测。 ( 2 ) 单断面交通流灰色预测模型 从现有的文献可以看到，目前关于灰色系统在交通流预测方面的应用停留在 使用传统的灰色g m ( 1 ，1 ) 模型。 2 0 0 2 年，孙燕和陈森发【l o 】为解决一般预测方法要求原始数据量较大，而无 检测器交叉口所能获得的交通流量数据又非常有限的矛盾，提出了利用灰色系 统理论预测无检测器交叉口交通流量的方法，并建立了一种新的自适应g m ( 1 ，1 ) 模型；2 0 0 3 年，盖春英和裴玉龙l i l 】首次提出了灰色模型一马尔可夫链预测公路 货运量的方法：首先建立g m ( 1 ，1 ) 灰色动态拟合模型，在此基础上应用马尔可夫 链确定系统状态转移概率矩阵，通过系统状态的划分、样本值与模型拟合值之 间的残差及其标准化离差等指标的分析计算，最终以概率形式分析和预测公路 货运量的发展变化区间；2 0 0 4 年，陈淑燕和陈家胜【1 2 】结合结合遗传算法和最小 二乘法提出了一种改进的灰色模型，并用遗传算法和最d - - 乘法获得该模型的 待定参数，对改进的g m ( 1 ，1 ) 模型给出了一种新的求解方法；2 0 0 4 年，陈淑燕， 王炜【1 3 】提出了交通量的灰色神经网络预测方法，包含了并联型、串联型和嵌入 型3 种预测模型的结构：并联型采用灰色模型、神经网络分别进行预测，而后 对预测结果加以组合作为实际预测值；串联型对多个灰色预测的结果使用神经 网络进行组合；嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白 化层而构成；2 0 0 6 年，邓志龙【1 4 】通过分析短时交通流时间序列的特性，将灰色 系统理论应用于短时交通流预测，提出了基于灰色系统理论的短时交通流预测， 并建立了滚动g m ( i ，1 ) 预测模型；2 0 0 6 年，温凯歌【”j 利用g m ( 1 ，n ) 模型对一个或 几个变量进行预测，所得结果的精度可以外推，且预测范围都明显优于普通的 g m ( i ，1 ) 模型的优点。建立了以交通量、行程时间和交通密度三者为行为变量的 灰色交通流预测模型，并使用g m ( 1 ，n ) 和g m ( 1 ，1 ) 嵌套解法求解。 4 武汉理工大学硕十学位论文 1 2 2 多断面短时交通流预测研究现状 多断面交通流预测指以道路上多个数据统计点的断面交通流数据为研究对 象，数据形式是多组时间序列，在建模过程中，把所有断面看成一个动态的系 统，要考虑每个断面统计数据之间的相互影响。 1 9 9 7 年，j o ew h i t t a k e r 和s i m o ng a r s i d e 1 6 】分析了路网中的多个断面间的 交通流量和平均速度的相互影响，并且在考虑了网络的拓扑结构的基础上，建 立了多点交通流的状态空间模型，并利用卡尔曼滤波方法来进行求解和预测； 2 0 0 1 年，b i l l ym w i l l i a m s 1 7 】应用a r i m a x 模型来预测多个地点的断面交通流 量；2 0 0 4 年，史其信与郑为中【l8 】将历史平均模型、求和自回归滑动平均模型 ( a r i m a ) 、非参数回归模型、径向基函数( r b f ) 神经网络模型与贝叶斯组合神经 网络模型应用于一个三断面的预测实例，对比其预测精度；2 0 0 5 年，y i b i n gw a n g 和m a r k o sp a g e o r g i o u s 1 9 】应用推广的卡尔曼滤波法，结合宏观交通流模型进行 高速公路的实时交通流预测，详细讨论了模型建模和参数估计过程；2 0 0 5 年， 杨立才和贾磊【2 0 】首先采用相关性分析，找出对目标路段影响较大的上游和下游 路段，然后把粗集理论与正交小波网络相结合，给出了一种基于粗集的正交小 波网络交通预测模型进行目标路段交通流预测；2 0 0 5 年，刘静、李亮【2 i 】用当前 路段和上下游路段的流量、速度和占有率作为输入参数，分别建立了b p 神经网 络预测模型和r b f 神经网络预测模型，对北京环路实测交通流数据进行了预测 分析；2 0 0 6 年，王均和关伟田】指出某路段的交通流量与路段两端各入口和出口 的交通流量有关，并构建了基于卡尔曼滤波的交通流短时预测模型对北京环路 交通流进行短时预测；2 0 0 7 年，张晓利、贺国光【2 3 j 将主成分分析和组合神经网 络相结合的方法来预测交通流，通过主成分分析，减少了输入变量个数，减小 网络规模，是网络训练效率得到提高； 另外也有学者将其他智能算法结合神经网络预测交通流量。2 0 0 8 年，熊志 华和邵春福【2 4 】考虑到道路网交通状态的混沌特性和相关性，应用多维混沌时间 序列对道路网多断面交通状态进行预测，并采用粒子群算法求解参数；2 0 0 9 年， 张晓利和贺国光【2 5 】考虑到交通吸纳点对交通流量的影响，取3 个相关路段，在 对原始数据进行主成分分析和模糊聚类的基础上，采用以数据驱动的k 一近邻非 参数回归方法进行短时交通流预测。 目前，灰色理论在多断面短时交通流预测领域应用很少， 武汉理t 大学硕士学位论文 2 0 0 9 年蔡岩【2 6 】引入m g m ( 1 ，n ) 模型对多断面短时交通流进行了预测。 1 3 本文的研究内容及技术路线 1 3 1 研究内容 本文总共分为五章，具体安排如下： 第l 章主要介绍了课题的研究背景、研究目的和国内外研究现状，以及本 论文的研究内容和技术路线。 第2 章道路网短时交通流特性分析及灰预测模型理论。道路网交通流时间 序列受各种复杂因素的影响，表现出其自身的一些特性，这些特性影响交通流 量预测的精确度和有效度，要达到对交通流系统进行有效合理的诱导，必须充 分考虑这些特性并对短时交通流预测的相关理论知识有足够的了解。另外，灰 生成空间模型的研究对象是少数据、不确定性系统，能够很好的适应交通流序 列的少数据不确定特性。本章首先介绍了短时交通流的一些典型特性，并介绍 了交通流预测的基本理论，然后对灰色理论及灰预测模型进行了简单的描述。 第3 章单断面短时交通流预测。本文针对单断面交通流存在的周期性特性， 突破传统单断面交通流预测模型只考虑其非线性特性而忽略周期性的局限性， 引入灰色一周期外延组合模型预测单断面短时交通流，最后通过与g m ( 1 ，1 ) 模型 预测结果对比，验证了组合模型预测交通流的有效性。 第4 章提出了灰色多变量三角模型。道路交通是一个网状结构，各个路段 是相互联系相互作用的，所以考虑多个断面交通流相互影响的多断面交通流预 测具有很深的现实意义且有实用价值。本章首先分析证明了m g m ( 1 ，n ) 模型参数 空间和数乘变换对模型参数影响关系，提出了m g m ( i ，n t a n ( k r ) p ，s i n ( k r ) p ) 模型，给出了其建模机理、建模过程和参数估计方法，实证表明该模型具有很 高的实用价值。 第5 章总结与展望。总结了本论文的研究成果及创新之处，提出了在以后 学习中需要进一步解决的问题。 6 武汉理工大学硕士学位论文 1 3 2 技术路线 基 短时交通流预测的背景及意义，国内外交通流预测研究现状 础 理 论 交通流特性分析，灰色系统理论及灰交通流预测模型分析 z ， n 单断 道路网单断面短时交通流趋势性和周期性 确定均值生成 函数，运用方 面短 分析 差分析原理提 时交 取优势周期建 通流 构建灰色一周期外延模型 立单断面短时 预测 交通流预测的 道路网单断面短时交通流预测的实证分析 灰色一周期外 延模型 罗 0 多断 道路网多断面短时交通流延迟性和周期性分析 引入延迟冈子 面短 m g m ( 1 , l q ) 模型的性质分析与证明 t 和周期因子 p 建立灰多变 时交 量三角模型， 通流 构建灰多变量m g m ( i , n l t a n ( k - o p s i n a c - 咖) 三角 其中参数t 和 预测 模型 p 运用粒子群 算法搜寻，实 证模型的有效 道路网多断面短时交通流预测实证分析 性 锣 r 弋夕 一日一 图1 1 本文技术路线图 7 武汉理工大学硕士学位论文 1 4 本章小结 本章简单介绍了短时交通流预测的研究背景、研究意义以及国内外关于短 时交通流预测的研究现状，为以后的研究工作做铺垫。 观意志和出行条件的变化而变化，还有，车流的行驶过程也是随机变化且无法 控制的，所以交通流具有很大的随机性。另外，当道路出现拥堵的情况后，出 行者很可能调整出行时间，因而出行者出发时间和到目的地时间会发生一定的 时变，这样就导致道路网的交通流高峰期也随之发生了时变，再者，交通拥挤 会发生在不同时间和不同地点( 上下班的高峰期) ，且拥挤会随车流的不断往前 移动而出现移动，导致拥挤现象似一个运动的“瓶颈，随时会出现时空上的变 化，且随预测时间段的缩短，其随机性和时变性也会逐渐增强。 第三、相关性。城市道路交通流是一个网状结构，因而多个路段的交通流量 之间存在密切的相互联系，且由于受路段间相互距离、路段环境等的影响，这 种联系会越来越紧密，若不充分考虑这种联系，仅对路网中某一路段的交通流 分析预测，势必会造成预测结果的精确度不高，从而对城市交通控制和诱导产 生负面效果。另外，在一个道路网中，交通流数据采集装置能够获取许多个路 段的交通流数据，当某两个路段是上下游关系且距离比较近时，它们之间的交 通流相关性就比较强，反之，随距离的增大或受其它交通流的交汇还有道路之 间存在交叉口等因素的影响，该两路段交通流的相关性会相对减弱。 第四、周期性。交通流在某一时间尺度上有高峰、低谷的分布规律，具有一 定的周期性。由于受环境以及时间的影响，时空上，交通流都会有不同的情况， 9 武汉理工大学硕+ 学位论文 表现出很强的波动性。然而，现代城市人群生活节奏越来越规律化，所以一天 之内的交通高峰期与低峰期也相对比较稳定，从长期来讲，随着时间的变化， 同一地点交通流的变化出现周而复始的情况，比如：每一天的交通流高峰期基 本出现在上班与下班的时间，且一天中的其余时间交通流的变化相对平缓，这 就体现了短时交通流的变化具有一定的周期性。 第五、延迟性。交通流具有一定的延迟性。由于受天气变化、交通阻塞、交 通事故、交通管理和控制设施等因素影响，道路上的车辆行驶时间会出现延时， 运行时间会有损失。况且，在某种程度上，交通流的延迟时间可以反映司机的 不舒适时间、受阻的程度以及耗油和行驶时间的损失，所以在交通工程领域， 常常把交通流的延迟时间作为评价信号交叉口运行状况的指标。 ( 2 ) 交通流的不确定特性 影响交通流的因素有很多，如驾驶员的技术水平，心理素质、心情，车辆的 性能，道路的运行条件等。从上述的影响因素可以看出交通流具有很大的不确 定性，这一特性主要可以从人、车、路三方面进行分析。 第一、人的不确定性。在交通系统的运行过程中，车和路的相关信息都需要 人( 驾驶员) 进行综合判断后决策实施。比如，车辆本身的速度变化，周边车辆 和路侧行人的相对移动，路面状况的变化情况，天气的变化，甚至驾驶员自身 身体的变化等信息都是依靠人( 驾驶员) 进行感知、判断和处理来完成的。因此 在交通流的影响要素中，驾驶员具有特别重要的作用。另外，在人的影响因素 中，乘客的影响也是很大的，不同乘客有不同的乘车自的：有的人是工作、上下 班、出差，有的人是旅游，有的人是探亲访友等等，而同一乘客在不同时间的 乘车目的也会有变化，这种变化包括计划内变化和临时变化，这些都是不确定 的。而且，在车辆的运行过程中，并不是每一位行人都遵守交通规则，正常情 况下，驾驶员势必会调节驾驶车速保证忽然出现的行人及自身的安全，交通流 在这种情况下会表现出暂时的不流畅性。 第二、车的不确定性。不同车辆在外观和性能等方面有很大差别，车辆的性 能无疑对驾驶员的驾驶造成很多的限制，其中有大客车、小客车，小货车、中 货车、大货车及拖挂车等。而影响交通流的主要因素是超车加速时间、最高车 速等性能。驾驶员会根据自己或乘客的乘车目的随时随意改变车辆速度，这些 都是不确定的。如客车和货车不同，公共汽车和私家小汽车不同等等。 第三、道路的不确定性。道路是汽车交通的基础，是支撑物。衡量路网的指 1 0 武汉理工大学硕十学位论文 标主要有路网密度、道路结构、道路线形、道路网布局。没有两个路网的结构 是完全相同的，而乘客在面临多种道路选择时，天气、个人喜好等都是影响其 决定的因素，乘客会根据自身的出行目的选择合适的乘车路线，如上下班会将 运行时间长短作为选择的主要依据，长途探亲访友会将节省资金作为选择的主 要依据，而游览则会将沿途所经过的旅游景点的趣味性等作为选择的主要依据 等等，但是上述规律并不是一成不变的。因此，对于预测者来说哪条路线会被 选中是无法得到的，其中有随时改变的可能性，这些都是不确定的。 从以上论述可以看出，交通流中不仅存在着不确定性，而且这种不确定性不 仅受到客观条件与环境的影响，还受到人的影响，根本无规律可循，所以就形 成了各个交通流的内部机制，这种内部机制就构成了形成交通流不确定现象的 主要因素。 综上所述，交通流网状特性、内在相关性等特性，说明交通流是一个随机的 相互联系、相互影响的不断变化的复杂的整体，具有明显的非线性性，交通流 任何的变化都绝非偶然，而是其相互影响的必然结果，都可能对下一时刻的短 时交通流的变化起着决定性的作用。 2 1 2 短时交通流预测模型要求 ( 1 ) 精确性。众所周知，任何系统的预测结果都应该满足精度要求，这样 才具有现实意义。由于道路网短时交通流易受外界因素的干扰，表现出不同于 一般系统的特性，要想准确预测未来五分钟的交通流量，需要预测模型具有很 高的精确性，这样才会对道路交通控制和调节起到作用。 ( 2 ) 实时性。由于道路网短时交通流预测主要应用于交通控制和诱导，所 以实时的交通流预测才能为人们出行提供实时信息，在保证道路交通畅通无阻 和提高交通通行能力的基础上，减少拥塞时间提高城市人口的生活质量和水平。 ( 3 ) 历史数据少。由于各种复杂因素的影响，使得实际采集到的交通流数 据出现缺少、损坏以及奇异的情况，从而要求短时交通流预测模型需具有用少 量实时数据来进行交通流预测的能力。 ( 4 ) 不确定性。由对道路网短时交通流特性的分析，我们知道，交通流预 测模型应该对此复杂且非线性的不确定性系统具有良好的预测结果，满足短时 交通流预测的需要。 武汉理工大学硕士学位论文 ( 5 ) 上下游交通流量的相关性。道路交通流是一个网状结构，因此交通流 预测应与其上下游该时刻的交通流量相关，基于此原因，预测模型应将上下游 交通流量相关性引入到模型中，考虑道路网多个断面的交通流预测问题，以此 来提高模型预测精度。 ( 6 ) 可移植性。可移植性是要求减少模型多次开发所带来的时间和金钱上 的损失，这样可以降低成本，从而达到广泛使用的目的，形成一个道路网交通 流预测的统一平台。 ( 7 ) 可靠性。由于短期交通流受各种因素，如天气、事故、施工等的影响， 具有很复杂的特性，所以交通流预测模型应具有良好的抗噪声干扰的能力。 2 2 灰色系统理论 1 9 8 2 年，中国学者邓聚龙教授创立了灰色系统理论，它是研究少数据、信 息缺乏问题的新方法，且其研究的系统为不确定性系统。所以，灰色系统理论 以部分信息已知，部分信息未知的小样本、贫信息不确定系统为研究对象，通 过对已知信息的生成和开发来提取有用的信息，实现对系统的正确描述和有效 预测监控。经过2 0 多年的发展，灰色系统