交通流预测方法综述.docx

Vol121 No132004 年 3 月JOU Vol121 No13 2004 年 3 月 JOURNAL OF HIGHWAY AND TRANSPORTATION RESEARCH AND DEVELOPMENT 文章编号 :1002Ο0268 (2004) 03Ο0082Ο04 交通流预测方法综述 刘 静 ,关 伟 (北京交通大学 ,北京 100044) 摘要 :实时交通流预测是智能运输系统研究的一个重要问题 。为此 ,建立了许多预测模型 ,有历史平均模型 、时间序列模 型 、卡尔曼滤波模型 、非参数回归模型 、神经网络模型和组合模型等 。总结评述现存的各类模型 ,提出交通流预测研究领 域今后可能的发展趋势 。 关键词 :交通流预测 中图分类号 :U4911112 文献标识码 :A A Summary of Traffic Flow Fo re c a sting Metho d s L IU Jing , GUAN Wei (Beijing Jiaotong University ,Beijing 100044 ,China) Ab stract : RealΟtime traffic flow forecasting is one of important issues of ITS research1Some forecasting models including history average , timeΟseries , Kalman filtering ,nonΟparametric regression ,neural networks and synthetic model ,etc ,have been established1Review of these existing forecasting models ,and probable frequency of traffic flow forecasting research field is presented1 Key word s : Traffic flow forecasting 义上的以小时 、天 、月甚至是年计算的基于交通规划的 战略预测 ( Strategic Forecasting) 是有本质区别的 。 Martin ,Smith ,Sullivan 和 Dememetsky 等人提出了解 决各种短时交通预测问题的模型 ,包括交叉口流量的 预测 、路段交通流量和事故的预测 。较早期的预测方 法主要有 : 自回归模型 (AR) 、滑动平均模型 (MA) 、自 回归滑动平均模型 (ARMA) 、历史平均模型 ( HA) 和 Box ΟCox 法等等 。随着该领域研究的逐渐深入 ,又出现了 一批更复杂的 、精度更高的预测方法 。大体来说 ,可分 成两类 :一类是以数理统计和微积分等传统数学和物 理方法为基础的预测模型 ; 一类是以现代科学技术和 方法 (如模拟技术 、神经网络 、模糊控制) 为主要研究手 段而形成的预测模型 ,其特点是所采用的模型和方法 不追求严格意义上的数学推导和明确的物理意义 ,而 更重视对真实交通流现象的拟合效果 。第一类包括时 间序列模型 ( TimeΟSeries Model) 、卡尔曼滤波模型 ( Kal2 man Filtering Model) 、参数回归模型 ( Parametric Regres2 sive Model) 、指数平滑模型 ( Exponential Smoothing Mod2 0 引言 随着社会经济和交通事业的发展 ,交通拥挤和交 通事故等诸多交通问题越来越凸现出来 ,成了全球共 同关注的难题 。自上世纪 80 年代以来 ,发达国家开始 投入大量人力物力进行道路交通运输系统的管理与控 制技术的开发 。于是 ,运用各种高新技术系统地解决 道路交通问题的思想就应运而生了 ,这就是智能交通 系统 ITS ( Intelligent Transport System) 。 交通控制与诱导系统是 ITS 研究的热门 核 心 课 题 ,而实现交通流诱导系统的关键问题是实时准确的 交通流量预测 ,即如何有效地利用实时交通数据信息 去滚动预测未来几分钟内的交通状况 。其结果可以直 接送到先进的交通信息系统 (ATIS) 和先进的交通管理 系统 (ATMS) 当中 ,给出行者提供实时有效的信息 ,帮 助他们更好地进行路径选择 ,实现路径诱导 ,以缩减出 行时间 ,减少交通拥挤 。这种预测称为短期预测 ( Short Οterm Forecasting) ,它是微观意义上的 ,与中观和宏观意 收稿日期 :2003Ο08Ο04 作者简介 :刘静 (1982 - ) ,女 ,山