基于能力区域的交通状态预测方法.PDFVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 14 (2014) 140504 基于能力区域的交通状态预测方法 刘擎超 陆建 陈淑燕 1)(东南大学城市智能交通江苏省重点实验室, 南京 210096) 2)(现代城市交通技术江苏高校协同创新中心, 南京 210096) ( 2013 年11 月20 日收到; 2014 年3 月6 日收到修改稿) 交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于能力区域的城市快速 路交通状态预测方法, 该方法通过构建神经网络分类器的能力区域, 根据样本数据与交通状态类簇之间的空 间距离, 预测道路交通状态等级. 神经网络分类器的能力区域能够有效融合时间、空间等多种特征, 并且不需 要考虑各特征之间的相关性, 具有很强的适应性. 实验结果表明, 与经典的预测方法相比, 其预测误差明显降 低, 均等系数增大, 基于能力区域的方法预测交通状态具有较高的准确性. 关键词: 交通状态, 预测, 交通参数, 聚类 PACS: 05.45.Tp, 45.70.Vn, 88.10.gc DOI: 10.7498/aps.63.140504 经网络模型(radical basis function neural network, 1 引 言 RBFNN)14 等. 但对于出行者来说, 并不需要知道 交通流的具体参数, 交通状态等级对于他们更有意 对城市道路交通状态进行预测是交通指挥、交 义. 基于上述分析, 交通状态预测完全可以转换为 通引导和交通控制的基础, 是出行信息服务系统的 一种模式分类问题, 有几种交通状态, 就分为几种 重要内容. 其中, 不仅为交通管理系统提供实时路 类别15 . 这样可以引入强大的机器学习算法, 以提 网交通状态信息, 同时可以作为道路交通规划的参 高预测的准确性. 本文基于这个思想提出了基于能 1 考 . 随着社会经济不断发展, 机动车保有量急剧 力区域(region of competence, ROC) 的交通状态 增加, 使得道路交通压力愈来愈大, 交通拥堵问题 预测方法. 越来越突出. 如何对未来一段时间内交通流状态的 变化趋势进行准确预测, 是制定拥堵缓解措施的重 2 交通运行状态的分级描述 要基础之一23 , 对于做到早发现、早预防、早处理 具有重要的学术意义和实用价值47 . 美国的《道路通行能力手册》(Highway Capac- 近年来国内外交通领域学者已形成了多种 ity Manual, HCM) 提出了描述车辆之间的运行条 行之有效的交通流预测方法, 如指数平滑法(ex- 件及其驾驶员和乘客的主观感觉的质量测定标准 ponential smoothing, ES)8 、自回归模型(autore- —–道路交通服务水平(level of service), 即从速度、 gressive, AR)9 , 移动平均模型(moving average, 行驶时间、驾驶自由度、交通间断、舒适、方便等方 MA)10 、自回归滑动平均模型(autoregressive mov- 面所得到的服务程度. 我国公安部2002 年公布的 11 12 ing average model, ARMA) 、时间序列模型 、 《城市交通管理评价指标体系》中规定, 用城市主 多层前向反馈神经网络模型