短时交通流混沌序列预测的研究.pdfVIP

短时交通流混沌序列预测研究 王正武 黄中祥 (长沙交通学院道交系 长沙410076) 摘 要 比较研究短时交通流预测的方法．重点分析短时交通流观测序列的混沌 特性．通过状态空间重构．计算关联维数。提出短时交通流预测的工作流程。基于混沌吸 引子建立预测模型．将预测模型应用于短时交通流．能实现预测的实时性和有效性。 关键词：短时交通流混沌序列关联维数混沌吸引子 1引言 Control Traffic rrS(IntelligentTransportationSystem)中先进的交通控制系统(ATCS，Advanced Traffic ManagementSystem)均要求为其提供实 System)和先进的交通管理系统(ATMS，Advanced 时的交通流信息，由于交通流信息的实时性和可靠性直接关系到交通控制与管理的效果，因而 短时交通流问题成为近年来运输研究人员关注的焦点之一。交通流预测是指在时刻t；对下 一决策时刻t…乃至以后若干时刻的交通流作出实时预测。一般认为ti到t…之间的预测时 间跨度内是具有不确定性的，正是这种不确定性带来了短时交通量预测的困难。． 2短时交通流预测方法简介 短时交通流预测一般利用观测数据秽(ti)，i=l，2，…，n构成的时间序列进行的。故适用 于时间序列预测的模型几乎均可用于短时交通流的预测。按照预测方法的不同预测模型可分 为三类：①线性系统模型，主要有回归模型、自回归模型、移动平均模型、极大似然估计、Markov 预测、卡尔曼虑波等统计模型；②非线性系统模型，主要有阈值或门限自回归模型、神经网络模 697 型，小波分析模型以及混沌理论模型等，而神经网络模型又有一般神经网络模型、高阶广义神 经网络模型、时间延迟神经网络模型、Rou曲一神经网络模型等，混沌理论模型也可与神经网络 模型或小波网络相结合建立预测模型；③动态交通分配模型。 线性系统【3j预测模型建模有充分的理论基础，容易理解；但是由于它们的理论基础大多数 是线性估计模型，当预测间隔小于5min时，由于交通流变化的随机性和非线性加强，使得模型 的性能变差，导致预测精度较低。 动态交通分配【7J是通过采集实时交通数据资料，不断更新出行分布，利用动态交通分配方 法分配交通出行量，从而得到路段实时交通量的方法。此方法虽然理论充分，但已有的动态交 通分配模型存在以下问题：(1)计算时间过长，实时性差。(2)需要在实践中难于做到或无法做 到的动态OD信息。(3)采用递推方式计算，造成误差的积累，使得分配结果的可靠度低。 非线性系统模型【5j主要以混沌理论、耗散结构论、协同论、自组织理论等非线性系统理论 E． 为理论基础，利用有关相空间重构方法、分形概念、混沌吸引子概念、数字生态模拟法(Data eology)等建立预测模型，已经开发了混沌动力学预测法、混沌情景预测法、混沌唯象预测法、分 形预测法等。 到目前为止，许多学者利用了混沌理论对时间序列进行了预测分析L1·2，4，5，6·8|，如股票变 动分析、天气预报、地震预测、水文分析等，但利用混沌理论进行短时交通流预测的研究还较 少，文献(2]研究了短时交通流的分形特性，但对如何建立预测模型未作进一步的研究。一般 地，当预测周期出缩小到5rain或更短，交通流的不确定性、非线性增强，采用非线性预测有很 强的适应性。 3短时交通流混沌特性诊断 预测是否能满足实时性要求是衡量预测模型的标准之一，而混沌系统理论告诉我们，确定 的系统在一定条件下，具有内随机性即混沌，且这种内随机性具有对系