基于混沌分析的道路网交通流短时预测.pdfVIP

第26卷第3期 系统工程学报 v01．26No．3 2011年6月 JOURNALOFSYSTEMSENGINEERING Jun．2011 基于混沌分析的道路网交通流短时预测 董春娇，邵春福，李娟，孟梦 (北京交通大学交通运输学院，城市交通复杂系统理论与技术教育部重点实验室，北京100044) 摘要：道路网交通流短时预测是实现智能交通控制和诱导系统的基础，本文以实时采集的交通流数据为基础，运用 状态空问重构和G—P算法进行交通流短期特性研究．具体而言，通过分析交通流的混沌特性确定交通流率时间序列 的嵌入维数，重构相空间，并以重构的交通流率时间序列作为输入采Elman神经网络实现道路网多断面交通流 率同时预测．研究结果表明，在道路网交通流短时预测方面Elman网络优于经典的BP网络，基于混沌时间序列分析 的Elman网络不仅能够实现道路网多断面同时预测，且预测效果优于无重构的神经网络 关键词：交通流短时预测；混沌理论；Elman网络；G．P算法 中图分类号：U491 文献标识码：A 文章编号：1000—5781(2011)03—0340—06 Short-termtrafficflow ofroadnetwork prediction basedonchaos theory DONG Chun-fu，LIJuan，MENG Chun-jiao，SHAO Meng forUrban and ofTrafficand (MOE Transportation Technology,School KeyLaboratory ComplexSystemsTheory 100044，China) Transportation，BeijingJiaotongUniversity,Beijing Abstract：Short-termtrafficflow ofroadnetworkbasedonchaos is inthis prediction analysispresented chaoscharacteristicsoftheshort-term廿a伍Cflowtimeseriesarestudiedinthemethod paper．The according to thetrafficflow are the reconstructionandG—P dates，which analysis processedby phasespace technology methodconfmns dimensionandconstructs Elman algorithm．First，the embedding phasespace．Second，the NeuralNetworkis torealize trafficflow of networkandtra伍Cflowtime short