基于灰色组合模型道路网短时交通流量预测.doc

基于灰色组合模型道路网短时交通流量预测 　　摘要：本文针对单断面交通流存在周期性的特性，突破传统单断面交通流预测模型只考虑其非线性特性而忽略周期性的局限性，利用灰色—周期外延组合模型对单断面短时交通流进行了预测，并与GM(1,1)模型预测结果进行了比较，验证了组合模型在交通流预测领域的有效性。 关键词：交通流；灰色系统理论；GM(1,1)模型；组合模型 Abstract: Based on the single section traffic flow exists periodic characteristic, break through the traditional single section traffic flow prediction model only considers the nonlinear characteristics and ignore the limitations of periodic, by the grey periodic extensional combinatorial model of the single section of short-term traffic flow is predicted, and GM (1,1) model are compared with the prediction results, verify the combination of model predictive validity in the field of traffic. Key words: traffic flow; grey system theory; GM (1,1) model; combination model 中图分类号：U491.1+12文献标识码：A 文章编号：2095-2104（2013） 1 引言 交通流量是判别道路交通状态的一个关键因素，正确的交通流预测是智能交通系统中实时交通信号控制、交通分配、路径诱导、自动导航，事故检测等的前提，所以实时准确的短时交通流预测成为当前的研究热门。因为，短时交通流是一个相互联系、相互影响的复杂且非线性的不确定性系统，由于受各种因素的制约和影响，短时交通流序列既有总体变化的趋势又有周期波动的特性。 1982年邓聚龙教授提出了灰色系统理论，它是研究少数据、信息缺乏问题的新方法，且其研究的系统为不确定性系统。灰色预测就是通过对原始数据进行处理，来建立灰色模型，从而达到发现和掌握系统的发展规律，以便对系统的未来状况做科学的预测。灰色系统建模的原理是通过离散且不规则的时间数据建立近似连续的微分方程，首先通过序列生成算子生成一系列函数，这些函数是建模和预测的基础，这些算子的作用主要是强化离散过程的确定性，弱化其不确定性。 短时交通流是既有总体变化趋势又有周期波动的时间序列，单纯运用灰色系统模型不能反映其周期波动的特点，而单纯运用周期外延模型又不能反映其总体的变化趋势。将二者有机结合而形成的灰色-周期外延组合模型解决了这一问题。 2灰色—周期外延组合模型 2.1灰色GM(1,1)模型 设为非负序列，为的1—AGO序列，其中；为的紧邻均值生成序列，其中，则称，为GM(1,1)模型。设参数包 ，则GM(1,1)模型最小二 乘估计参数列满足 。 2.2 残差序列 微分方程的解为 时间响应序列为 ， 还原值, 求得残差序列为 2.3 残差序列的周期外延模型 （1）计算的均值生成函数 ，为样本序列长度，为小于的最大整数，为小于的最大整数。可得均值生成函数矩阵： 式中：表示同余，称作均值生成函数的延拓函数。 （2）提取优势周期 依方差分析基本原理，用 为服从自由度的分布，来检验序列是否隐含长度为的周期。对于事先给定的置信水平，若 则认为隐含长度为的优势周期。 （3）构造新序列 序列减去周期所对应的延拓函数构成一新序列 再对新序列重复以上两步，可以进一步提取其它优势周期。 （4）叠加 将不同周期同一时刻取值的叠加值记为，即 这就是周期叠加外推法建立的周期外延模型。 3实证研究 本节采用的交通流数据来源于文献，针对2005年7月20日交叉口A的北进口路段交通流量进行预测，数据间隔为5分钟，分析数据如表3-1所示。 表3-1A路段北进口交通流数据 分析上表数据很显然可知，不同日期同一时间段的A路段北进口交通流数据具有很明显的周期波动趋势，另外，A路口的交通流数据又有逐渐下降的趋势。所以，可运用灰色—周期外延组合模型对具有这种特征的交通流