公路交通流预测中“机理%2b辨识”策略的若干基本问题.pdfVIP

摘要 实时准确的交通流量预测是实现智能交通控制和诱导的前提与关键，也是智 能化交通管理的客观需要。目前的研究中，许多方法只是把序列数据当成一堆“纯 粹”的数据，把预测当成一种“从数据到数据”的纯数学过程，但进一步提高预 测准确率的主要途径却是从预测策略方面的研究。 作为对“组合预测”策略的细化和深化，“机理+辨识预测策略比较全面地 考虑了复杂系统的结构知识和行为经验知识，本文研究其应用在短时交通流预测 中的几个基本问题。 研究内容和结果如下： (1)将“机理+辨识”预测策略应用到短时交通流预测中，讨论了“机理+辨 识预测策略的基本结构。证明了实非线性动力系统的差分系统的Lyapunov指 数保持不变。 (2)从统计学角度探讨了时间序列长度对预测准确率的影响，并分别用 ANN，AR方法对国内某快速路一天的交通流量实测数据进行数值实验。理论和 实验表明：随着序列长度增加，预测准确率的提高等价于正态分布样本标准差估 计的置信区间随样本容量的变化，它按照卡方分布方式提高。 (3)将数值天气预报中的ensemble方法移植到短时交通流预测中来，并分别 用ANN和AR模型加以实现，并对ensemble的次数和噪声强度对预测准确率的 影响进行了实验和探讨。实验表明，ensemble预测提高了预测结果的准确率。 研究表明：“机理+辨识’’预测策略以及DDDAS提倡的模型评价后预测方式， 是对预测策略的新的有益探讨。这些方法可以明显稳定地改善短时交通流预测的 可靠性和准确率。 Ensemble 关键词：短时交通流预测“机理+辨识预测策略DDDAS ABSTRACT Tra布cflow with isthe and intraffic forecastinghigllaccuracypremiseskey controland in recent trafficabduction IntelligentTransportationSystem(ITS)．Some studies tobeforecasted take asa usethedata just as“only”data，whichforecasting todata”mathematical chief to the wayimprove pure“data process．However,the must on of of bethe accuracy strategiesforecasting． forecasting study As combined basic ofthe an of improvement forecastingstrategy,theproblems ‘mechanismmodel+identification whichcan model’’forecastingstrategy informationhistoricalbehaviorof c