高速公路交通流預(yù)測方法研究.pdf

1、高速公路擁擠的減輕，事故率的降低，管理水平的提高有賴于對交通流進(jìn)行合理的控制和誘導(dǎo)，而實(shí)現(xiàn)交通流控制和誘導(dǎo)的關(guān)鍵問題是準(zhǔn)確的交通流預(yù)測。交通流預(yù)測信息可以作為先進(jìn)的交通管理系統(tǒng)(AdvancedTrafficManagementSystem，ATMS)的輸入，制定前攝式的交通控制策略，還可以作為先進(jìn)的路徑誘導(dǎo)系統(tǒng)(AdvancedTravelerInformationSystem，ATIS)的輸入，制定合理的路徑誘導(dǎo)信息，幫助出行者更好

2、地進(jìn)行路徑選擇。有研究證明，與基于當(dāng)前信息的交通控制和路徑誘導(dǎo)相比，基于預(yù)測信息可以取得系統(tǒng)更優(yōu)的結(jié)果。 交通流預(yù)測按照范圍分可以分成：點(diǎn)(路段截面)、線(路段)交通流預(yù)測和路網(wǎng)交通流預(yù)測。目前點(diǎn)、線交通流預(yù)測主要采用以隨機(jī)過程、數(shù)理統(tǒng)計(jì)和最優(yōu)化等理論為數(shù)學(xué)基礎(chǔ)的預(yù)測方法，這些方法一般要使用大量的檢測數(shù)據(jù)進(jìn)行參數(shù)估計(jì)或訓(xùn)練，具有較高的預(yù)測精度，因此也常被稱作“數(shù)據(jù)驅(qū)動(dòng)”方法。但是這些方法缺點(diǎn)是預(yù)測性能隨不同的時(shí)間和道路環(huán)境變化，

3、沒有一種能夠在所有情況下占有絕對優(yōu)勢。在路網(wǎng)交通流預(yù)測方面，中觀仿真是目前取得效果最好的方法之一，但是由于中觀仿真模型參數(shù)較多，對參數(shù)變化比較敏感，在路網(wǎng)局部點(diǎn)、線上的預(yù)測效果不如前者好。 針對這兩個(gè)問題，本文根據(jù)從點(diǎn)到線、線到面，簡單到復(fù)雜思路出發(fā)，先從高速公路路段截面的交通流量預(yù)測著手，提出了兩種交通流量的組合預(yù)測方法，然后將點(diǎn)、線預(yù)測與中觀仿真結(jié)合，提出了兩者的結(jié)合框架。具體的完成內(nèi)容包括： (1)提出了高速公路交

4、通流量的約束卡爾曼濾波組合預(yù)測方法。該方法是若干單一預(yù)測方法的動(dòng)態(tài)加權(quán)組合，滿足線性組合預(yù)測原理，其動(dòng)態(tài)組合權(quán)值由約束卡爾曼濾波遞推方程確定。利用高速公路采集的交通流量數(shù)據(jù)，通過組合單一的神經(jīng)網(wǎng)絡(luò)預(yù)測方法和單一的時(shí)間序列預(yù)測方法，分無干擾預(yù)測模型和有干擾預(yù)測模型情況對提出的方法進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明：單一的神經(jīng)網(wǎng)絡(luò)預(yù)測方法或單一的時(shí)間序列預(yù)測方法預(yù)測性能隨不同時(shí)間、不同預(yù)測步長起伏變化，而約束卡爾曼濾波組合預(yù)測方法始終優(yōu)于其中最佳的單

5、一預(yù)測方法或與之持平。 (2)提出了高速公路交通流量的神經(jīng)網(wǎng)絡(luò)組合預(yù)測方法。該方法是若干單一預(yù)測方法的非線性組合，通過使用神經(jīng)網(wǎng)絡(luò)逼近非線性組合映射，實(shí)現(xiàn)了組合權(quán)值的動(dòng)態(tài)計(jì)算。采用高速公路采集的交通流量數(shù)據(jù)，通過組合單一的神經(jīng)網(wǎng)絡(luò)預(yù)測方法和單一的時(shí)間序列預(yù)測方法，分無干擾預(yù)測模型和有干擾預(yù)測模型情況對提出的方法進(jìn)行了測試，并和基于線性組合原理的約束卡爾曼濾波組合預(yù)測方法進(jìn)行了對比。實(shí)驗(yàn)結(jié)果表明：在不同時(shí)段、不同預(yù)測步長下，神經(jīng)網(wǎng)

6、絡(luò)組合預(yù)測方法優(yōu)于單一的預(yù)測方法；在整體預(yù)測效果上與約束卡爾曼濾波組合預(yù)測方法持平。 (3)提出了點(diǎn)、線預(yù)測與中觀仿真結(jié)合的交通流預(yù)測框架。該框架將數(shù)據(jù)驅(qū)動(dòng)方法在路網(wǎng)局部點(diǎn)、線的高精度預(yù)測能力與中觀仿真的路網(wǎng)范圍預(yù)測能力結(jié)合起來，通過可信度高的路網(wǎng)局部的點(diǎn)、線預(yù)測值，在線修正中觀仿真模型的參數(shù)，使得中觀仿真模型能夠逼近、反映交通流運(yùn)動(dòng)趨勢，提高路網(wǎng)范圍交通狀態(tài)預(yù)測精度。通過結(jié)合路段旅行時(shí)間預(yù)測與中觀仿真的實(shí)例分析證明，點(diǎn)、線預(yù)測