傅立叶级数于短期交通参数预测之研究.pdfVIP

第一部分基础理论、方法与发展规划 57 傅立叶级数于短期交通参数预测之研究 张堂贤 黄宏仁 陈宝如 (台湾大学土木工程研究所交通组台北) 1 前言 智能型运输系统(IntelligentTransportationSystems，ITS)已成为今日世界各先进国家用以改善运输系 统效率及提升运输系统安全的可行方案之一。而良好的智能型运输系统端在于有效掌握实时交通信息， 并预测交通参数变化及可能产生的交通问题，及早提出适当的因应策略。因此，有效率地预测交通量参 数是发展ITS的基础。 以往短期交通参数预测的方法中可以约略区分为传统统计计量方法、人工智能方法或复杂理论。统 计计量法上如参数法(Parametric Method)、无参数法(Non．parametric Method)难以应用于实时资料需求度高的ITS系统中；而人工智能方法如类神经网络(NeuralNetwork)、 基因回归(Genetics Regression)、灰色理论(GrayTheory)、复杂理论(ComplexTheory)等人工智能方法因 其运算模式多为黑盒子(BlackBox)，难以解释模式中参数的意义，且运算子和函数的组成及规模大小 设定也决定了运算的复杂度，并且难以掌握求解速度，故用于短期交通参数预测上存在着难以掌握时效 的风险。 ’ 于进行交通参数预测前，通常需要处理曲线适合度(Curve Fitting)问题，以求得估计曲线，用以预 测值估计，传叶页级数(Fourier 过多组不由不同相位角及振幅之正(余)弦函数之纵向加总，可以处理曲线适合度问题，是一无参数的方 法但一般传统的傅立叶级数加总运算法则于大规模计算，是故于软件实作上通常使用快速傅立叶转换 Fourier (Fast Transform)法则以提高计算速度，但快速傅利叶转换限制处理资料笔数必需为2吖n=1，2， 3…)笔，故在资料的处理范围上存在严重的限制，造成所能处理的资料集大小远不符实用上的需求。 本研究考虑信息系统搜集来源及验证之可能性，搜集小汽车的交通参数(例如旅行时间、速率)作为 研究对象，以作为数据搜集、分析及实证分析之对象。本研究之研究方法为二，首先以离散傅立叶级 Absolute 数、快速傅立叶级数等两种算法为基础，求得平均绝对误差率(Mean Error， Percentage Test，戈2test)、演算效率等评估值，接着比较两种算法适合度及演算效 MAPE)、卡方检定(Chi．square 率，验证傅立叶级数于短期交通参数预测。 2 方法论 本研究以离散傅立叶级数、快速傅立叶级数两种算法为基础，因此简要介绍算法之原理、适用特性 及演算流程，接着再以JAVA程序撰写之，据此作为本研究之计算、分析工具。 2．1傅立叶分析 ． 法国数学家、物理学家约瑟夫·傅_if_11-[-(Joseph 数学理论。1807年向巴黎科学院呈交《热的传播》论文，推导出著名的热传导方程，并在求解该方程 58 智能运输系统研究与实践 时发现解函数司以由三角函数构成的级数形式表不，从而提出任一函数都司以展成三角函数的无穷级 数。1822年在代表作《热的分析理论》中解决了热在非均匀加热的固体中分布传播问题，成为分析学 在物理中应用的最早例证之一，对19世纪数学和理论物理学的发展产生深远影响。傅立叶级数(即三角 级数)、傅立叶分析等理论均由此创始。 2．1．1 离散傅立叶 频率域中的F(∞)与时问域中的八￡)互相转换的公式为： F{Ⅳ￡J】=Ff∞J=』二月t