短时交通流复杂动力学特性分析及预测.pdfVIP

物理 学报 ActaPhys．Sin．Vo1．63，No．4(2014)040505 短时交通流复杂动力学特性分析及预测冰 张洪宾1)2)t 孙小端 ) 贺玉龙 ) 1)(北京工业大学，交通工程北京市重点实验室，北京 100124) 2)(德州学院汽车工程学院，德州 253023) (2013年7月29日收到；2013年 11月 13日收到修改稿) 为揭示短时交通流的内在动态特性，利用非线性方法对交通流混沌特性进行识别，为短时交通流的预测 提供基础．基于混沌理论对交通流时间序列进行相空间重构，利用C．C算法计算时间延迟和嵌入维数，采用 Grassberger-Procaccia算法计算吸引子关联维数，通过改进小数据量法计算最大Lyapunov指数来判别交通 流时间序列的混沌特性．针对局域 自适应预测方法在交通流多步预测中预测器系数无法调节的问题，提出了 交通流多步 自适应预测方法．通过实测数据计算，结果表明：2，4和5min三种统计尺度的交通流时间序列均 具有混沌特性；改进的小数据量法能够准确地计算出最大Lyapunov指数；构建的交通流多步 自适应预测模型 能够有效地预测交通流量的变化．为智能交通系统诱导和控制提供了依据． 关键词：交通流量，混沌，最大Lyapunov指数，多步 自适应预测 PACS：05．45．Tp，05．45．—a，01．75．+m DOI：10．7498／aps．63．040505 结构建立动力学方程，通常采用时间序列分析的 1 引 言 方法来研究，通过计算该序列的最大Lyapunov指 数来判定是否具有混沌特性．目前计算最大Lya— 实时准确的短时交通流预测是实现智能交通 punov指数的方法有主要有：Wolf法 Jocobian 诱导和控制的重要前提与关键．短时交通流是指观 方法1]、P范数算法1]、奇异值分解法 10]、小数据量 测尺度不超过 15min的交通流，从交通流实时管理 计算法 [】、基于小波变换的最大Lyapunov指数计 的角度而言，希望为城市交通控制系统以及诱导系 算法 Is】．小数据量计算法因计算量小，容易操作， 统等提供短期交通流信息．交通控制的最大周期 对小数据组比较可靠，已得到广泛应用．文献[6】将 一 般是3min，交通诱导的周期一般为5min，因此， 小数据量法应用于交通流混沌特性的识别；文献[71 如何在5min内准确地预测交通流是实现智能交通 通过用虚假临界点法计算嵌入维数完善小数据量 的关键．短期交通流预测一般 以路段某一断面观测 法，研究了微观仿真交通流和实测车头间距时间序 数据所构成的时间序列为基础，随着观测数据统计 列，但没有将系统相空间中时间延迟和嵌入维数两 时间尺度的缩短，实时性逐步提高．交通流时间序 个参数联系起来． 列信号由于受到各种复杂因素的制约和影响，表现 基于相空间重构思想，目前 已提出了多种预测 出高度的非线性．其是否存在混沌特性以及精确地 混沌时间序列的方法，主要包括：全局预法、局域预 识别交通流的混沌特性，是保证短时交通流预测效 测法 Is]、自适应预测法 9[】、局域 白适预测法 [10,ii】和 果的前提与基础． 局域支持向量机预测 [12]．自适应预测法只需很少 由于交通系统受到各种复杂因素的制约和影 的训练样本就能对混沌序列做出很好的预测，能 自 响，表现出高度的非线性和复杂性，难 以根据系统