基于自适应权重指数平滑法的实时排队长度预测模型.docxVIP

基于自适应权重指数平滑法的实时排队长度预测模型 信号交叉口是城市主要道路交通能力的限制关键。信号交叉口交通能力低于路段，交通需求略有过大，这将导致交通拥堵。信号交叉口的排队长度与延误一样,能反映交叉口处车流运行情况,它对评价交叉口的运行状况、衡量交通拥挤的严重程度、现有信号配时方案的优劣等都有重要意义。作者基于定数排队理论的思想,以交通检测器采集的实时流量数据为输入变量,实现交叉口排队长度的实时预测。这对于缓解各大城市面临的常发性拥挤问题,提高交叉口运行管理效率具有一定的参考价值。 1 车辆达率计算 交通高峰时段,特别是早、晚高峰,由于交通需求的突然增加,交通状态发生很大变化,大量的车辆被阻滞在交叉口前,导致交叉口处于饱和状态,部分车辆发生二次排队。假设交叉口为固定式信号配时,周期c=120 s,有效绿灯时间g=30 s,车辆到达率q=360 veh/h(即每周期到达12 veh),饱和流率S=1200 veh/h(即每周期释放10 veh),交叉口前的车辆排队过程如图1所示。 从图1可以看出,在交通高峰时段,由于交通需求大于交叉口的通行能力,使得每个周期都会有车辆被阻滞在交叉口前,而且这种情况在几个信号周期内不断累加,导致排队不断向上游延伸,严重时会导致整条道路的瘫痪。 2 产品预测模型的验证 通过上面的分析可知,在交通需求急剧增长的状况下,排队长度不断累加使交通系统变得不稳定,直接对排队长度预测比较困难。由于交叉口前的流量变化有一个渐变过程,而且在一段时间内比较稳定。因此,本文通过首先预测流量,然后将预测的流量带入到排队长度计算模型中获得排队长度,来实现饱和信号交叉口排队长度的实时预测,排队长度预测模型的精度最终取决于流量预测模型和排队长度计算模型两部分的累计误差。该预测模型的计算流程如图2所示。 2.1 次指数平滑预测模型 信号交叉口到达流量的预测精度对排队长度的预测结果将产生直接影响,为减少交通流波动性对流量预测的影响,首先采用移动平均法对历史数据进行平滑处理,计算公式为 Μ(t)=1m(y(t)+y(t+1)+?+y(t-m+1))(1)M(t)=1m(y(t)+y(t+1)+?+y(t?m+1))(1) 式中:y(t)是第t个时段的观测值;M(t)是第t周期的一次移动平均值;m是计算移动平均值所取得的数据个数。 为避免历史流量数据累积误差的影响,流量预测采用自适应权重指数平滑法,它引入一个基于预测误差的误差跟踪信号,根据误差跟踪信号的变化对α的取值不断调整,误差跟踪信号及权重的确定方法如下: 在t时段,定义两个误差信号 Et=ret+(1-r)Et-1(2)At=r|et|+(1-r)At-1(3)Et=ret+(1?r)Et?1(2)At=r|et|+(1?r)At?1(3) 式中:Et为平滑误差;At为平滑绝对误差;et=yt-?yt-1et=yt?y?t?1;?yt-1y?t?1是t-1时段对t时段的预测值;r是加权系数,0r1,一般取r=0.1～0.2。 在t时段的跟踪信号Ct定义为 Ct=EtAt(4)Ct=EtAt(4) 故令平滑参数αt为 αt=|Ct|(5) 这样每周期的加权系数αt便可不断地根据跟踪信号Ct逐期自动调整,使预测模型不断地适应实际过程的变化。 一次指数平滑预测模型的公式为 ?yΤ+L=S(1)Τ=αtyΤ+(1-αt)S(1)Τ-1(6) 式中:?yΤ+L为未来L期的流量预测值;S(1)Τ为T期的一次指数平滑值;yT为T期的实际观测流量值;αt为加权系数,可由式(2)～(5)计算获得。 2.2 单独进口道每段的最大排放量计算c 本文基于定数排队理论的思想计算上一周期滞留车辆数,基于排队理论的思想计算本周期最大排队长度,单车道最大排队长度计算模型公式如下 Qi=ˉqir+Di-1(7)Di-1={Di-2+qi-1-Ci-1,ifDi-2+qi-1Ci-10,ifDi-2+qi-1≤Ci-1(8) 式中:Qi为第i周期单车道的最大排队长度;ˉqi为第i周期单车道车辆的平均到达率;r为有效红灯时长;Di-1为第i-1周期单车道滞留的排队车辆数;qi-1为第i-1周期单车道车辆的到达流量;Ci-1为第i-1周期单车道车辆的释放流量。 单独进口道最大排队长度计算公式为 Qimax=max(Qi,1,Qi,2,Qi,3,?,Qi,n)(9) 式中:Qimax为第i周期进口道车辆最大排队长度;Qi,1,…,Qi,n为第i周期1至n车道的车辆最大排队长度。 2.3 绝对相对误差与最大绝对相对误差 通过将2.1节中预测得到的流量数据带入到2.2节中的计算模型即可以得到预测的排队长度,预测模型的精度采用平均绝对误差(MAE)、平均绝对相对误差(MARE)和最大绝对相对误差(MAXARE)三个误差指标