道路交通流短时预测的方法的研究.docVIP

道路交通流短时预测的方法的研究 　　[摘 要]由于交通流数据具有高度的复杂性和非线性特性,如何提高交通流预测的精度一直是智能交通系统研究的重要课题。本文在分析交通流预测的几种主要模型的基础上,提出了一种将混沌理论、神经网络和卡尔曼滤波技术组合的短时交通流预测方法,并论述了该预测方法的基本原理。 　　[关键词]短时交通流预测 卡尔曼滤波 径向基神经网络 像空间重构 　　 　　随着社会经济和交通事业的发展,交通的效率问题直接影响着人们的出行和物流的发展。多年来专家提出各种不同的方法,试图利用多种技术组建智能交通系(ITS)来缓解交通拥堵问题,动态路径诱导系统是ITS的一个核心组成部分。可靠的交通预测信息是动态路径诱导系统的基础和关键[1]。由于交通流数据具有高度的复杂性和非线性特性,如何提高交通流预测的精度一直是智能交通系统研究的重要课题。 　　 　　一、短时交流预测方法 　　短时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做出实时预测。一般认为预测时间跨度不超过15min(乃至小于5min)的预测为短时交通流预测。按预测的内容,交通流预测可分为交通流量,交通速度,交通密度等3个基本参数的预测以及车辆占有率的预测等。 　　自20世纪年代起,专家学者们就开始将许多其他学科的预测方法应用于短时交通流预测。发展至今,主要有基于传统数理统计的方法、基于