（交通信息工程及控制专业论文）基于数据挖掘和数据融合的短时交通流预测研究.pdf

重庆交通大学学位论文原创性声明 l | i i i i ii i ii i ii iiii i ii ii 19 0 2 3 2 5 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作 所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：禹二勾 日期： 跏哞五月歹日 重庆交通大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权重庆交通大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究 所将本人学位论文收录到中国学位论文全文数据库，并进行信息服务( 包括但不 限于汇编、复制、发行、信息网络传播等) ，同时本人保留在其他媒体发表论文的权 利。 学位论文作者签名：雨为 日期：办，护年1 2b 胛日 指导教师签名： 日期：a 蕾c 年 本人同意将本学位论文提交至中国学术期刊( 光盘版) 电子杂志社c n k i 系列数据 库中全文发布，并按中国优秀博硕士学位论文全文数据库出版章程规定享受相关权 益。 学位论文作者签名：尚力 一一厂、， 日期：加年卜月坞日 艚狮躲镌百n 、 同期：幽p 年产月 日 、l l i f 、i l 百r 僻川 摘要 实时、准确的短时交通流预测是智能交通控制与管理的基础。基于单一时间 维度时间序列的预测方法难以解决短时交通流高度复杂性、随机性和不确定性的 问题，预测效果并不令人满意。交通流的状态转换不仅仅是时间维度时间序列的 一维性，空间分布状态的变化对交通流也起了相当大的影响。因而，更为精确的 短时交通流预测，需要采用空间维度的预测值对时间维度时间序列的预测结果进 行修正。 本文从短时交通流特性出发，针对实际交通流具有时间维度时间序列性和空 间维度空间相关性，提出了基于时空二维融合的短时交通流预测方法。在时间维 度上短时交通流表现出强烈的非线性、时变性和不确定性，普通的预测方法很难 达到预测精度的要求，因此，本文提出将交通流数据利用小波变换先进行“频率 分解和单支重构，得到相应的高频分量和低频分量，得到的分量相对成分简单、 信号变化较为平稳。对各分量采用不同的预测方法进行预测，由高频分量有较强 的非线性而b p 神经网络具有很强的非线性逼近能力，故用b p 神经网络预测高频 分量；低频分量呈现较有规律的函数曲线，故用二次指数平滑预测。将各分量预 测结果矢量相加求和，即可得到综合预测结果。在空间维度上，交通流瞬时状态 下的空间分布具有相关性，同向交通流的瞬时输出和其空间相关路段的交通流量 相关，针对这种不确定的非线性关系，本文用r b f 神经网络来进行空间维度的短 时交通流预测。最后，利用信息融合技术能合理协调多源数据，充分综合有用信 息，在较短的时间内、以较小的代价、得到使用单个传感器所不能得到的数据特 征的优点，将基于时间维度时间序列的预测结果和空间维度空间相关性的预测结 果进行实时最优权重融合，得到预测精度更高的总体短时交通流预测结果。 关键词：短时交通流预测；小波变换；二次指数平滑；b p 神经网络；r b f 神经 网络；信息融合 a b s t r a c t t h ec o n t r o l l i n ga n dm a n a g e m e n to fi n t e c t l e n c et r a f f i ci sb a s e do nt h er e a l - t i m e a n da c c u r a t ef o r e c a s t i n go fs h o r t t e r mt r a f f i cf l o w b a s e do nas i n g l et i m ed i m e n s i o n t i m es e r i e sf o r e c a s t i n gm e t h o d sa r ed i f f i c u l tt os o l v et h et r a f f i cf l o wah i g hd e g r e eo f c o m p l e x i t y , r a n d o m n e s sa n du n c e r t a i n t i e so ft h ep r e d i c t e de f f e c ti sn o ts a t i s f a c t o r y s t a t et r a n s i t i o no ft r a f f i cf l o wi sn o to n l yt h et i m ed i m e n s i o no fo n e d i m e n s i o n a lt i m e s e r i e s ，s p a t i a ld i s t r i b u t i o no ft r a f f i cf l o wc h a n g e sa l s op l a y e dac o n s i d e r a b l ei m p a c t t h u s ，t h em o r ea c c u r a t es 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 , w en e e dap r e d i c t i v e v a l u eo fs p a c ed i m e n s i o nt i m es e r i e sd i m e n s i o no ft i m et oa m e n dt h ef o r e c a s tr e s u l t s t h i sd e p a r t u r ef r o mt h et r a f f i cf l o wc h a r a c t e r i s t i c s ，f o rat i m es e r i e so fr e a l t r a f f i cf l o wc h a r a c t e r i s t i c sa n d s p a t i a lc o r r e l a t i o n ，w a sp r o p o s e d b a s e do n t w o d i m e n s i o n a l s p a c e - t i m ei n t e g r a t i o no ft h es 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 m e t h o d s i nt h es h o r tt i m ed i m e n s i o no ft r a f f i cf l o wo nt h ep e r f o r m a n c eo fas t r o n g n o n l i n e a r , t i m ea r i a b i l i t ya n du n c e r t a i n t y , t h eg e n e r a lp r e d i c t i o ni sv e r yd i f f i c u l tt o a c h i e v ep r e d i c t i o na c c u r a c yr e q u i r e m e n t s ，t h e r e f o r e ，t h ep r o p o s e dt r a f f i cf l o wd a t a w i l lb ec a r d e do u tu s i n ga v e l e tt r a n s f o r m ”f r e q u e n c y d e c o m p o s i t i o na n ds i n g l e r e c o n s t r u c t i o n ，t h ec o r r e s p o n d i n gh i g hf r e q u e n c ya n dl o wf r e q u e n c yc o m p o n e n t s ， c o m p o n e n tb yc o m p o n e n ti sr e l a t i v e l ys i m p l e ，t h es i g n a lc h a n g ei sm o r es t a b l e t h e v a r i o u sc o m p o n e n t so fd i f f e r e n tf o r e c a s t i n gm e t h o d st o p r e d i c tt h eh i g hf r e q u e n c y c o m p o n e n t sb yt h es t r o n gn o n l i n e a ra n dn e u r a ln e t w o r kh a sas t r o n gn o n l i n e a r a p p r o x i m a t i o na b i l i t y , s o b pn e u r a ln e t w o r kw i t hh i g hf r e q u e n c y ；l o w - f r e q u e n c y c o m p o n e n ti sr e n d e r e dm o r er e g u l a rf u n c t i o nc u r v e ，s ou s i n ge x p o n e n t i a ls m o o t h i n g p r e d i c t i o nv e c t o ro fe a c hc o m p o n e n tw i l lb ea d d e dt ot h es u m ，t h er e s u l t so f c o m p r e h e n s i v ep r e d i c t i o nc a nb eo b t a i n e d d i m e n s i o n si ns p a c e ，t r a f f i cf l o wu n d e r t h et r a n s i e n ts t a t eb e t w e e nt h es p a t i a ld i s t r i b u t i o no ft h ec o r r e l a t i o nw i t ht h e i n s t a n t a n e o u so u t p u tt ot h et r a f f i cf l o wa n di t sa d j a c e n tu p s t r e a ma n dd o w n s t r e a m t r a f f i cf l o wr e l a t e dt ot h en o n l i n e a rr e l a t i o n s h i pf o rt h i su n c e r t a i n t y , t h i sp a p e rr b f n e u r a ln e t w o r kf o rs p a t i a ld i m e n s i o n so ft h es h o n t e r mt r a f f i cf l o wf o r e c a s t i n g f i n a l l y , t h eu s eo fi n f o r m a t i o nf u s i o nt e c h n o l o g y c a nr e a s o n a b l yc o o r d i n a t e d m u l t i - s o u r c ed a t a ，f u l l yi n t e g r a t e du s e f u li n f o r m a t i o ni nas h o r tp e r i o do ft i m e ，w i t h l i t t l ec o s t ，b yu s i n gas i n g l es e n s o rc a nn o tg e tt h ea d v a n t a g e so ft h ed a t af e a t u r e s ，w i l l -。_。1。_。1_。-。_。_。_。_。_。_。_-。1。 b eb a s e do nt i m es e r i e sp r e d i c t i o ns p a t i a lc o r r e l a t i o nr e s u l t sa n dp r e d i c t i o nr e s u l t so f t h eo p t i m a lw e i g h ti n t e g r a t i o n ，g e tah i g h e ro v e r a l lp r e d i c t i o na c c u r a c yo fs h o r t t e r m t r a f f i cf l o wp r e d i c t i o n k e yw o r d s ：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 ；w a v e l e tt r a n s f o r m ；d o u b l e e x p o n e n t i a ls m o o t h i n g ；b pn e u r a ln e t w o r k ；r b fn e u r a ln e t w o r k ；i n f o r m a t i o n f u s i o n ll】，ji 目录 第一章绪论1 1 1 我国城市公路交通中存在的典型问题1 1 2 短时交通流量预测研究的背景和意义2 1 3 短时交通流量预测研究现状及存在的问题3 1 4 本论文的研究意义3 1 5 主要研究内容5 第二章交通流特性分析及短时交通流预测方法6 2 1 交通流概念及交通流的特性6 2 2 短时交通流预测方法8 2 3 短时交通流时空二维融合的预测方法1 l 2 4 预测性能指标1 2 2 5 本章小结1 3 第三章基于小波变换、神经网络、二次指数平滑的短时交通流 预测1 4 3 1 小波分解与重构的理论基础1 4 3 1 1 小波变换的定义1 4 3 1 2 多尺度( 多分辨) 分析1 5 3 1 3m a ll a t 算法1 6 3 2 短时交通流数据分解与重构1 9 3 3 神经网络预测模型2 0 3 3 1b p 神经网络结构2 0 3 3 2b p 神经网络算法2 l 3 4 二次指数平滑理论2 3 3 4 1 二次指数平滑预测模型2 3 3 5 基于小波变换、神经网络、二次指数平滑的短时交通流预测2 5 3 5 1 仿真实验2 6 3 6 本章小结3 0 第四章基于空间相关性的r b f 神经网络的短时交通流预测3 1 4 1 空间相关性3 1 4 2 多断面交通流数据的空间相关性3 1 4 2 1 相关系数的基本原理3 2 4 2 2 多断面交通流数据的相关性分析3 3 4 3r b f 神经网络概述3 4 4 3 1r b f 神经网络的基本原理3 4 4 3 2 径向基函数的定义与分类3 5 4 3 3r b f 神经网络模型3 6 4 4r b f 神经网络的学习算法3 8 4 5 基于空间相关性的r b f 神经网络的短时交通流预测3 9 4 5 1 基于空间相关性的r b f 神经网络预测模型4 0 4 5 2 仿真结果及分析4 0 4 6 本章小结4 l 第五章基于时空二维融合的短时交通流预测4 2 5 1 信息融合概述4 2 5 1 1 信息融合原理4 2 5 1 2 信息融合的方法4 2 5 1 3 信息融合的结构4 5 5 2 交通系统的时空二维融合模型4 6 5 3 基于时空二维融合的短时交通流预测模型4 7 5 3 1 权重的确定方法4 8 5 4 基于时空二维融合的短时交通流预测仿真4 9 5 5 本章小结5 1 第六章结论与展望5 2 致谢5 4 参考文献5 5 在学期间发表的论著及取得的科研成果5 8 一j 第一章绪论 第一章绪论 1 1 我国城市公路交通中存在的典型问题 交通拥堵现象日益严重 随着国民经济的快速发展和城市化进程的加快，我国机动车拥有量和道路交 通量急剧增加。尤其是在大城市，由交通拥堵导致的交通事故、环境污染的加剧， 是我国城市面临的极其严重的“城市病”之一，己成为国民经济进一步发展的瓶 颈问题。 交通污染造成城市环境的日益恶化 交通污染已成为城市环境质量恶化的主要污染源。尽管我国汽车拥有量还不 是很大，但汽车尾气对大气的污染程度己经相当严重。例如北京市机动车产生的 污染物排放量占总排放量的比例分别为c o ：6 0 ，n o ： 7 ，： 8 。随 5 4h c8 6 着机动车拥有量的增加，汽车尾气对大气污染程度还将进一步加剧。并且道路交 通产生的噪声污染在城市污染中所占比例也相当高，一般占总噪声强度的5 0 ， 多数大城市主要道路交通噪声均超过了6 5 d b ，有些城市的道路噪声超标率达9 0 以上【1 1 【2 】。 能源消耗严重 交通运输消耗大量的能源。在当前的能源结构中，石油占有重要的地位。据 最新的b p 世界能源统计指出【3 】：以目前的开采速度计算，全球石油储量可供生产 4 0 年。石油资源短缺将成为全球共同面临的问题。而在整个石油的消耗中，交通 过程中消耗的石油几乎占整个石油消耗量的一半。 混合交通流相互干扰，交通事故频发 我国城市经济水平还不是很发达，交通工具种类繁多，居民根据自身情况选 用不同的交通出行工具，导致不同性能和不同功能的交通流在同一水平面上混合 行驶，相互干扰，特别是机动车受到非机动车，尤其是自行车的干扰，使得机动 车交通流的速度降低，导致城市道路利用率降低，交通效率下降。随着道路容量 的降低，城市交通将更加拥挤，矛盾更为恶化。这也是产生交通事故的重要因素 之一。 。 城市交通发展政策不合理、道路路面优先通行权不明确导致交通结构不合 理 目前我国城市道路增长慢，城市交通管理的技术设备落后，无论是城市路网 的发展还是城市交通管理的改善，均不能适应城市交通量的增长。目前我国的特 大城市如北京、上海、广州、重庆等城市道路拥堵现象十分严重，城市行车难日 益成为我国交通运输的普遍问题。城市交通不畅通，不仅严重影响全国交通运输 2 第一章绪论 网的运输效率，而且还直接影响到市民的日常工作和生活。 交通系统中存在如上的问题，己经越来越严重的影响到城市的发展。为此在 当代科学技术充分发展的背景下，智能交通系统应运而生。它将先进的计算机技 术、数据库技术、通信技术、人工智能技术等运用于交通运输中，来解决交通拥 挤，保证交通安全，提高交通网络使用效率等问题。在智能交通系统的研究中， 交通流量预测特别是短时交通流量预测是其中的一个重要研究方向，也是各国都 在着重解决的问题。 1 2 短时交通流量预测研究的背景和意义 近年来，社会经济持续快速发展、城市化进程加快、汽车日益普及，导致交 通拥挤加剧，交通事故频发，交通环境恶化。交通问题在发展中国家和发达国家 都成为亟待解决的问题之一。智能交通系统( i t s ) 是目前公认的全面有效地解决交 通运输领域问题，特别是交通拥挤、交通阻塞、交通事故和交通污染等的最佳途 径。城市交通流诱导系统和交通控制系统是智能交通系统的热门问题，而实现交 通流诱导和交通控制的关键问题是实时准确的短时交通流量预测。 实现交通流诱导系统的关键是交通状态的预测，也就是采用相应的技术，以 有效地利用实时交通数据信息滚动预测未来一段时期的交通状态。根据预测的交 通状态信息实现交通流的诱导，均衡交通流以使交通参与者避开交通拥挤路段， 最大限度地利用道路资源，而短时交通流量预测是交通状态预测的基础。城市交 通流诱导系统的研究，主要包括两方面：实施技术研究和基础理论模型研究。短 时交通流量预测模型作为城市交通流诱导的关键理论和模型，作为i t s 的基础理 论，是交通流诱导系统得以良好运行的核心【4 1 。 短时交通流量预测在各种交通控制系统中也起着相当重要的作用【5 1 。主要体 现在：短时交通流量的准确预测是集成交通控制系统中的信号控制子系统和动 态导引子系统的前提。递阶分层控制中的战略控制层和决策层也需要各种短时 交通流量信息。在智能交通系统中，营运车辆调度管理系统，先进的驾驶员信 息系统，先进的交通管理系统等子系统以及自动高速公路系统的网络层和连接层 对流量进行控制也需要准确的短时交通流量预测值。 短时交通流量预测的精度将直接影响到交通流诱导和交通控制的效果，无论 是对交通流诱导系统还是交通控制系统来说，实时准确的交通流量预测是这些系 统实现的前提和关键，短时交通流量预测结果的好坏直接关系到交通流诱导与交 通控制的效果。可以说，准确实时的短时交通流预测是使智能交通系统从“被动 式反应”转变到“主动式动作的关键。 智能交通系统研究主要体现在两方面：实施技术的研究；基础理论的研 第一章绪论 3 究。实施技术是指包括把电子控制技术、通信技术、计算机处理技术、g p s 定位 导航技术等有效地结合起来，目前在这方面已经取得了很大的进步，尤其是发达 国家的研究尤其成熟【6 j ；然而对于短时交通流量预测的基础理论研究尚有许多难 点等待攻克，其研究进展明显滞后于前者，因此，对短时交通流量预测模型的基 础理论研究就变得十分迫切和必要。 1 3 短时交通流量预测研究现状及存在的问题 目前，国内外关于短时交通流预测理论的研究还处于发展阶段，还没有形成 比较成熟的理论体系。迄今，短时交通流预测方法主要有基于线性系统理论方法 ( 这类方法主要包括历史平均预测方法时间序列预测方法、卡尔曼滤波预测方法、 模糊回归预测方法等) 、基于知识发现的智能模型方法( 这类方法主要包括神经网 络预测方法、非参数回归预测方法、支持向量机回归预、时测方法等) 、基于非线 性系统理论方法( 这类方法主要包括基于小波分析的预测方法、基于突变理论的 预测方法、基于混沌理论的预测方法等) 、基于组合模型的预测方法( 小波分析和 时间序列分析相结合的方法、模糊推理结合神经网络的预测方法、多种预测方法 与人工智能技术相结合的智能预测方法等) 、基于交通模拟的预测方法( 这类方法 主要包括利用交通模拟的预测方法、利用动态交通分配的预测方法、利用元胞自 动机的预测方法等) 。 但是，从目前的研究来看，没有任何一种短时交通流预测方法能够表现出对所 有方法的绝对优超性能，从而完全替代其它方法。每一种方法应用都有一定的适应 范围和应用条件。另外每一种由其自身的特点决定了，针对某类特定情形下的交通 流过程，能够获得较好的预测结果，而在其他条件下，其预测效果往往差强人意。这 主要是因为这些预测方法基本上是从研究路段的单一时间维度时间序列分析的角 度进行预测，并没有考虑空问路网中上下游路段之间的流量影响。由于时问维度 时间序列交通流变化过程是一个实时、非线性、非平稳随机过程，随着统计时段 的缩短，交通流变化的随机性和不确定性越来越强，不同的空间位置、道路环境、 时间段下，其状态特征差异很大，导致这种单一时问维度时间序列分析的方法进行 短时交通流预测的预测效果和预测精度并不令人满意。 。 1 4 本论文的研究意义 短时交通流预测是智能交通系统的核心内容和交通信息服务、交通流诱导与 交通控制的重要基础。智能交通系统的诱导和控制需要对道路网交通流准确、快 速的预测和判别。因此，研究有效的短时交通流分析和预测的理论与方法，从所 4 第一章绪论 获得的信息中准确快速地预测流量，是当前智能交通系统发展的急需，也是研究 的重点和难点问题。 多年来，国内外研究人员致力于交通流预测模型和预测方法的研究不断，但 随着预测时间跨度的缩短，交通流显示出来的非线性、时变性、不确定性越来越 第一章绪论 5 预测方法，该方法在时间维度方面考虑过去各时段时间序列的交通流量，利用小 波变换降低了预测的难度，空间维度方面同时考虑空间相关路口的交通流量的影 响，最后运用信息融合技术能合理协调多源数据，充分综合有用信息，在较短的 时间内、以较小的代价、得到使用单个传感器所不能得到的数据特征的优点，将 基于时间维度时问序列的预测结果和空间维度空间相关性的预测结果进行实时最 优权重融合，得到预测精度更高的总体短时交通流预测结果。 1 5 主要研究内容 本文主要研究城市道路断面的短时交通流预测方法，提出了基于最优权重的 时空二维融合的短时交通流预测方法，其中时间维度方向采用基于小波变换、神 经网络、二次指数平滑的预测模型，空间维度方向采用基于空问相关性的r b f 神 经网络预测模型。具体内容如下： 介绍了我国城市公路交通中存在的问题和短时交通流预测研究的背景和意 义，并简述了短时交通流量预测研究的现状及存在的问题。 对交通流特性进行了分析，特别是针对目的短时交通流预测精度不高的原 因进行了分析。并提出了时间维度方向的基于小波变换、神经网络、二次指数平 滑的预测模型和空间维度方向的基于空间相关性的r b f 神经网络的时空二维融合 的预测方法理论。 分析了小波分解重构的原理，选择d b l o 小波函数，利用小波m a l l a t 分解、 合成公式对交通流信号进行分解重构，得到反映交通流本质的有规律性的低频分 量信号和各种不确定随机发生的高频分量，然后用二次指数平滑对低频信号分量 进行预测，高频部分则采用b p 神经网络，最后将各预测结果进行矢量相加得到时 间维度时间序列的混合预测结果，仿真结果表明基于小波变换、神经网络、二次 指数平滑的短时交通流预测比单一尺度单一预测方法更能逼近和模拟短时交通流 的非线性实时变化。 通过分析交通流瞬时状态下的空间分布具有相关性，提出了使用r b f 神经 网络来对这种非线性关系进行建模，进而选择相关性较强的路段进行短时交通流 的预测研究。预测结果表明，这种预测方法预测精度较高，能根据空问相关性较 强路段及时进行短时交通流预测。 将时间维度的基于小波变换、神经网络、二次指数平滑的短时交通流预测 模型的输出和空间维度的基于空间相关性的r b f 神经网络预测模型的输出进行实 时最优权重融合，得到最终的基于时空二维融合的短时交通流预测值。仿真结果 证明基于时空二维融合预测模型的预测精度有更大的提高。 6 第二章交通流特性分析及短时交通流预测方法 第二章交通流特性分析及短时交通流预测方法 2 1 交通流概念及交通流的特性 交通流流量，又称交通流，是指一定时间内即在时刻t 至出内，通过道路某 一观测点( 某一横段面或某一交叉1 3 ) 的车辆行人数量i l 。交通流过程是指交通道 路网上的动态交通流运行过程。交通流状态是用检测手段不断地测出道路网上每 个路段的交通流实际数据，这些交通流数据反映了道路网上交通流的实际情况， 依据这些交通流数据，一方面，不必做任何假没，可以整理出不同时刻的交通流 实际分配的格局，另一方面按照一定的性能指标要求，如旅行时间、平均车速、道 路符合的平衡度等人们认可的指标评价出每个交通诱导信息的效果，从交通流状 态、交通诱导信息和交通诱导效果这些事实中可以总结出交通诱导的规律性知识， 建立交通诱导知识库，以便以后推理出最佳的交通诱导信息。交通流是不断运动 的，每一步交通诱导信息都对下一步的交通流状态起作用，所以每步交通诱导信 息的决策必须适应下一步的交通流状态，因此对未来交通流状态的及时、准确的 预测成为了交通控制与诱导研究中无法避免的基础性工作。对交通流实时预测需 要当前及历史交通流数据为预测依据，所以交通流数据的采集和处理是交通流预 测的基础。交通流数据的采集和处理方法为： 利用交通流检测系统和路段检测器，获得可靠的实时交通流信息。特别是 路段入口和出口即交叉口的前后处不同车型的交通流信息，由此可得到按特定标 准车型换算的当量交通流量。经计算、处理后存储在相应的数据库中。 利用接口技术，把交通面控中心采集到的交通流信息及时传送到交通流诱 导系统主机中，以供系统模拟软件进行滚动式交通流量预测和实时动态交通分配， 为交通流诱导提供依据。交通流系统是一个随机系统，具有很强的不确定性和复 杂性，随着对交通流的不断深入研究，交通流特性也日趋明显。从现象上看，交 通流本身可以看成是一种流体具有粒子的流动性，同时可以通过检测手段得到一 系列的时间序列数据，但在对交通流的不断研究中发现，交通流还具有不同于流 体的特点及性质的现象，这也是前期利用流体动力学( 模型) 理论在交通流预测中 出现问题的重要原因1 1 2 l i l 3 】。交通流具有如下特性： 交通流的网状特性：城市交通道路像一个巨大的网络，纵横交错而且是相互 连通的，每一条道路上都有一定的交通流，按照出行目的在各道路之间穿行，使 得整个交通流形似一个具有流动物质的网络。 交通流的时空特性：不同时间、不同空间都会有不同情况的交通流出现，而 且即使同一地点同一时间的交通流绝对不可替代另外一个时间和地点的交通流， 这体现了交通流有着极强的时空特性。 第_ 二章交通流特性分析及短时交通流预测方法 7 交通流的随机性和时变特性：由于道路每个方向都存在左行、直行、右行三 个车道，各个车道在不同的时刻具有不同的车流量，车流行驶过程又是一种随机 变化的不可控制的过程，所以交通流呈现出很大的随机性。同时旅行者在分析了 道路的拥挤情况后，很可能调整出发时问，这样旅行者出发和到达目的地的时间 会发生时变，导致交通流高峰期随之发生时变。另外，交通拥挤会发生在不同的 时间和地点，如上下班的高峰期间出现的拥挤，在正常时间段内不会出现，而且， 拥挤会随着车流的不断移动而出现移动，使拥挤现象像一个运动的“瓶颈”出现 时空上的变化。 交通流的不确定性：在实际交通系统中，交通流的运行被许多诸如车辆的特 性、司机的心理因素、天气变化等不确定因素制约和左右着，因此交通流也体现 出不确定性，且随着预测时间的缩短，其不确定性逐渐增强。 交通流需求的不可预知性：从统计意义上来说，交通需求确实具有一定的规 律，但是交通控制与诱导的实时性要求是以分甚至秒度量时问的，这时候瞬问交 通需求表现出强烈的波动性，而且交通系统是以人为主体的主动系统，它不同于 物质流的控制系统，无法强迫出行者提供他的出行去向和出行时间，也就是说交 通需求从根本上是不可预知的。 交通流的内在相关性：交通出行是一种有目的的需求，而不是一种完全无规 律的游走( r a n d o mw a l k ) ，因而存在一定的内在相关性。 交通流内在约定性：交通流的主体行为是一种理性驾驶，其中每个人车个体 追求的目标是一致或者相近的，均为安全、快速、通畅，因而存在相互合作、协 同，并在宏观上形成一种有序结构的可能性，这种内在约定是交通流中形成自组 织的重要原因。 交通流的长程相关性：交通流整体出行特性在时间和空间上具有长程相关 性和记忆性，即一旦城市的布局和道路网确定，相应的某条道路上的交通流整体 特性也就基本确定，即交通流的出行特性具有一定的长程相关性和记忆性。 交通流的自组织特性：一般的，将主要由系统内部决定、系统有序结构的形 成与完善称为自组织。构成交通流的车辆或者行人会以一种聪明的方式来选择他 们的群体行动方式，由于系统中涨落因素的广泛存在，使得交通流能够实验各种 集体行为，结果，那种能以最有效的方式完成交通疏导任务的集体行为将随时问 增长。而其他集体行为即便产生也将很快衰亡。因此宏观上交通流的演化存在着 自组织现象。 交通流速度一密度关系特性：研究中发现交通流违背流量特性出现了车流速 度随着车辆密度的上升而单调下降的现象，同时还不存在唯一的速度一密度关系， 8 第二章交通流特性分析及短时交通流预测方法 每一条速度一密度曲线都有各自的适用范围，是不可替代和通用的。这是与普 通流体特性在本质上的区别。 综上所述，交通流具有网状特性、内在相关性、内在约定性、自组织性等特 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，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，所以任何一个交通流数据都不能被当作无 用的干扰信号被舍弃，交通流的随机性、时空性、不可预知性、不确定性等特性 更进一步说明了，交通流的复杂性。并从本质上说明了交通流信号体现出的频率 成分复杂，变化速度快的原因。总之，交通流呈现出的错综复杂的特性，导致交 通流信号中的频率成分复杂，为精确进行交通流预测造成了巨大的障碍和困难。 人工智能是解决不确定性问题、弱结构化问题的有利工具，因此强化智能交通系 统中的交通流预测智能化成为世界研究的重要课题之一。 2 2 短时交通流预测方法 交通流预测是利用预测算法，对道路交通流数据进行分析研究，及时准确地 预测未来一段时间内的交通流状态，一般认为，预测时间跨度不超过1 5 m i n ( 甚 至小于5 m i n ) 的预测为短时交通流预测。按照预测的内容交通流预测可分为交通 流量、交通速度、交通密度三个基本参数的预测以及车辆占有率的预测等。本文 以交通流量预测为研究对象，进行短时交通流预测方法的研究。 短时交通流预测方法有很多，从不同的角度有不同的分类形式： 根据预测中获得信息的形式分类，主要分为定性预测方法和定量预测方法。 定性预测主要是由于系统中量化信息比较少甚至没有，无法对预测对象进行量化 描述，只能以专家经验等定性信息为依据对未来情况作定性估计。常用方法有调 查法、类推法、主观概率法；定量预测则是预测中最常用的形式，定量预测是将 获得的信息量化为数字形式，并建立描述目标和因素之间相互关系的数学模型， 根据模型和规律推断出预测结果，常用方法有回归法、时间序列法等。 根据预测模型参数来分类，可分为基于参数模型方法和非参数模型方法。 参数模型是指如果预测对象的数学模型能用有限个实参数加以描述，或者更具体 一些，如果样本分布的一般数学形状已知，但包含了若干个未知的参数，则这种 模型称为参数性的，否则为非参数模型。参数模型主要有历史平均模型( h a ) 、a r m a 系列模型、k a l m a n 滤波模型、指数平滑模型及与神经网络相关的模型等；非参数 模型中包括非参数回归、k a r i m a 算法、谱分析法、状态空间重构模型、小波网络、 基于多维分形的方法和多种复合预测模型等。 根据预测目标的关系分为基于线性模型方法和基于非线性模型方法【1 4 】。线 第二章交通流特性分析及短时交通流预测方法 9 性模型主要有历史平均法( h a ) 、指数平滑法、时间序列法( 基于a r 模型、m a 模型、 a r m a 模型、a r i m a 模型等) 、k a l m a n 滤波法等。非线性模型主要有原理模型、经 验模型及混合非线性模型，原理模型是通过对过程应用守恒定律推导而得到的， 该类模型在结构和参数上约束性强，因此需要较少的过程数据，模型参数可通过 实验和常规工作数据获得；经验模型利用对象动态数据进行非线性系统辨识，预 测方法较为简单，适合于工业应用。 早期的交通流量预测主要是为交通控制系统服务。第一代城市交通控制预测 系统，采用历史数据对交通进行离散预测：第二代城市交通控制预测系统，应用 实测的数据修正历史数据平均值来预测交通流量；第三代交通控制预测系统，没 有利用历史数据，只利用实测数据预测交通流量。经实践证明，第一代和第二代 城市交通控制系统预测算法都存在着时滞问题。第三代城市交通控制系统预测算 法正向着智能化、完善化不断努力着。不少学者正在积极地探讨着各种行之有效 的短时交通流预测方法。 对于交通流量短时预测的研究，目前主要有历史均值算法、回归分析算法、 时间序列算法、k a l m a n 滤波算法、人工神经元网络算法、非参数回归算法等其他 预测方法，至今己提出了近三十种预测方法1 1 5 j 。各种方法均有自身的适用范围和 条件，目前，很多学者将多种预测方法结合得到一些新的预测方法，这些预测方 法融合了多种方法的优点，从而为交通流量短时预测研究开辟了新的途径。下面 主要介绍国内外目前常用的一些预测方法。 历史平均模型【1 6 】 历史平均模型( h i s t o r ya v e r a g em o d e l ) 是利用过去交通流量的平均值来预测 未来的交通流量，它利用了交通流的循环特性。它假设交通状况是间断性发生的， 即具有相同历史趋势的一天里各路段在同一时段具有相同的交通流特性。历史平 历史平均模型算法简单，可以在一定程度内解决不同时间、不同时段内的交通流 变化问题，但是由于其静态性的本质，不能反映动态交通流过程的不确定性与非 线性，无法克服随机干扰因素对交通流的影响，若有突发事件发生，这种方法就 不能在这种突发事件下做出j 下确的预测。 a r i m a 模型1 1 7 j a r i m a ( 自回归综合移动平均) 是一种时间序列线性预测模型，它的基本思想 是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学 模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及 现在值来预测未来值。该模型不像其它时间序列方法那样需要固定的初始化模拟。 它将某一时刻的交通流量看成是更为一般的非平稳随机序列，一般带有3 个或6 个模型参数。在大量不间断的数据基础上，此模型拥有较高的预测精度，但是需 1 0 第二章交通流特性分析及短时交通流预测方法 要复杂的参数估计：另外，a r i m a 模型特别适用于稳定的交通流，交通状况变化 急剧时，由于计算量过大，该模型在预测延迟方面暴露出明显的不足。 k a l m a n 滤波i l h l k a l m a n 滤波是2 0 世纪6 0 年代k a l m a n 提出的以滤波理论为基础的一种控制 方法。在应用于短时交通流量预测之前，已成功应用在交通需求预测领域，预测 精度较高。k a l m a n 滤波是针对线性回归分析模型的一种矩阵迭代式的参数估计方 法，具有预测因子选择灵活，精度较高的优点。但是，我们也应看到，由于模型 的基础是线性估计模型，所以当预测间隔小于5 m i n 时，交通流量变化的随机性和 非线性较强时，模型的性能也随之下降。此外，利用k a l m a n 滤波需计算参数向量， 第一二章交通流特性分析及短时交通流预测方法 1 1 混沌理论i z l j 混沌学是一门新兴学科，混沌理论研究的是非线性动力学系统的混沌。混沌 是指一种貌似无规则的运动，指在确定性非线性系统中，不需附加任何随机因素 亦可出现类似随机的行动( 内在随机性) 。混沌的最大特点就在于系统的演化对初 始条件十分敏感，也就是著名的“蝴蝶效应”。混沌理论研究的目的是揭示貌似随 机的现象背后可能隐藏的简单规律，以求利用这些普遍遵循的共同规律来解决一 大类负责系统的问题。理论上讲，复杂系统中总是存在着混沌，交通系统是人的 群体参与的开放的复杂巨系统，因此交通中存在着混沌。 基于混沌理论的预测主要是以混沌理论、分形理论( f r a c t a l ) 、耗散理论、 协同论、自组织理论等为基础，利用有关混沌理论中的相空间重构、奇怪吸引子、 分形论、自组织等建立预测模型。由于混沌理论是非线性的科学，从理论上讲用 混沌理论对非线性、不确定性很强的交通流进行预测时非常适合的。 2 3 短时交通流时空二维融合的预测方法 从宏观上讲，道路短时交通流预测的方法主要分为两大方向，一个方向是基 于交通流的时间序列，即根据历史和当前交通流数据来预测下一时刻的交通流量； 另一方向是分析研究路段的空间特性，例如空间相关性，来对目标路段流量进行 预测，后一方向多用于无检测器断面流量预测【2 2 1 。而单一时间维度时间序列的预 测，无论是经典的预测理论还是基于现代数据挖掘原理和统计原理的最新预测方 法，都不可避免的是陷入一个困难，就是难以解决短