第六章 道路网短期交通流预测方法比较.pdf

第4 卷 第4 期 交 通 运 输 工 程 学 报 VoI. 4 No. 4 2004 年12 月 JournaI of Traffic and Transportation Engineering Dec. 2004 文章编号：167 1-1637 （2004 ）04 -0068-04 道路网短期交通流预测方法比较 史其信，郑为中 （清华大学 交通研究所，北京 100084 ） 摘 要：介绍了用于短期交通流预测的两大类模型：统计预测算法和人工神经网络模型。对其中各 种模型的特征进行了比较，将历史平均模型、求和自回归滑动平均模型（ARIMA ）、非参数回归模 型、径向基函数（RBF ）神经网络模型与贝叶斯组合神经网络模型，应用于一个真实路网的短期流量 预测，比较了各模型的预测结果。结果表明，组合神经网络模型预测误差最小，可靠性最高，是一种 对短期交通流预测的有效方法。 关键词：交通工程；短期交通流；预测；方法；比较 中图分类号： U491. 14 文献标识码：A Short-term traffic flow prediction methods comparison of road networks SHI Oi-xin ，ZHENG Wei-zhong （Institute of Transportation Engineering ，Tsinghua University ，Beijing 100084 ，China ） Abstract ：A Iarge number of technigues have been appIied into short-term traffic fIow prediction ，which can be cIassified into two groups ：statisticaI modeIs and artificiaI neuraI network modeI. The modeIs and their appIication were discussed and compared. SeveraI modeIs ，incIuding historicaI average ，ARIMA （auto regressive integrated moving average ）modeI ，nonparametric regression ，RBF （radiaI basis function ）neuraI network and Bayesian combined neuraI network modeI were appIied into a numericaI exampIe of short-term traffic voIume prediction in a fieId network ，their prediction resuIts and performances were compared. It was found that the error of hybrid neuraI network modeI is IittIest ，its prediction reIiabiIity is highest ，it is the most effective method to predicte short-term traffic fIow . 2 tabs ， 2 figs ，17 refs. Key words ：traffic engineering ；short-term traffic fIow ；prediction ；methods ；comparing