基于时空特性高速路短时交通流预测.docVIP

基于时空特性高速路短时交通流预测 　　摘要：为提高高速路短时交通流预测的准确度，建立了一种基于时空相关分析和BP神经网络的短时交通流预测方法，首先，通过分析高速路网上下游断面间的时空相关性和空间互相关性，选取与预测目标相关性较大的历史时段和相关断面。然后，将各相关断面交通流时间序列与其时间延迟序列进行重构，选取历史时段和重构后的相关断面作为BP神经网络预测模型的输入。利用四川省某高速路数据对该预测方法进行性能评价，实例证明该方法与只考虑高速路时间特性或空间特性的预测模型相比具有更高的预测精度，提高了交通流预测的实时性和可靠性。由此可见，该方法可作为高速路短时交通流预测的有效手段 关键词：短时交通流预测；时空相关分析；BP神经网络；时间延迟 中图分类号：TP391.9 文献标识码：A 文章编号：1007-9416（2017）03-0046-05 Abstract：Aiming at the shortage of traffic flow prediction based on single cross-section， the interaction of the adjacent cross-sections in the high speed road network is studied. Then according on the analysis of the spatial-temporal characteristics，a short-time traffic flow forecasting model based on the multiple cross-sections was established .The model is extended to the prediction model based on a single cross-section，and temporal-spatial characteristics of high speed traffic flow and time delay characteristics of space interaction are considered and they determine the input dimension of the forecasting model.Finally， BP neural network is the forecasting tool to estimate the prediction results.The experimental results show that the prediction model has higher prediction accuracy compared with the traditional single cross-section prediction model and improved the real-time performance and reliability of traffic flow prediction.It is of great significance to improve the traffic efficiency of high speed road. Key Words：short-term traffic flow forecasting； spatio-temporal correlation analysis； BP neural network ； time delay 1 引言 高速公路作?橐恢制毡榍抑匾?的交通方式在客货运输中发挥着重要的作用，实时有效的交通预测信息可以诱导出行者的行为、解决或缓解交通拥堵等问题[1]。由于高速公路基本路段的交通流是非间断交通流，上下游间交通状态相互影响，上下游交通流参数分布具有一定相似性和延迟性，即整个路网是一个相互关联、相互影响的系统。对交通流进行预测时，如果只考虑单一断面的交通流数据，当出现车祸、天气恶劣等偶然因素时，交通流的波动性变大，预测的准确性会降低[2]。目前国内外学者逐渐将交通流的时空关联性用于短时交通流预测中，Wu 等[3]采用时空随机效应模型对城市路网交通流量进行预测，不仅考虑了目标路段的历史交通参数，还考虑了多个参考路段的交通参数；Min等[4]利用时空关联性对实时路交通流进行预测；邱世崇等[5]提出了一种基于时空特性分析和数据融合的预测方法，利用最小二乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果；丁闪闪等[6]提出了一种基于时空关联和 BP_ Adaboost 的短时交通参数预测