复杂城市交通交通量预测的混沌时间序列改进方法.docxVIP

复杂城市交通交通量预测的混沌时间序列改进方法 1 推进区域协调控制 随着生产的发展和人们生活水平的提高，汽车已经成为人们最重要的交通工具。汽车给人们带来了现代文明，也带来了巨大的困难。交通堵塞和堵塞给人们的生产和生活带来了极大的不便。噪声和污染已成为城市污染的主要来源，并越来越严重地影响人们的身心健康。因此，城市交通的控制已经成为世界研究的热点。城市交通信号的控制是当前城市交通控制的主要形式。 多年来,人们对道路交通控制进行了深入的研究,单路口控制技术已经成熟,而干线和区域协调控制(简称“面控”)方面也取得了一些成果,比较著名的“面控”系统有:英国道路运输研究所(TRRL)于1968年研制成功的TRANSYT(Traffic Network Study Tools)系统;20世纪70年代初,英国运输和道路研究所与三家公司联合在TRANSYT基础上研制的自适应控制系统——SCOOT(Split, Cycle and Offset Optimization Technique:绿信比、周期和相位差优化技术);由澳大利亚新南威尔士道路和交通局(RTA)于20世纪70年代末研制成功的悉尼协调自适应交通系统SCATS(Sydney Coordinated Adaptive Traffic System);由美国Arizona大学的Mirchandani P B等人于近年开发成功的RHODES(Real-time, Hierarchical, Optimized, Distributed, and Effective System:实时、递阶、最优化的、分布式且可实施的系统)系统, 以及现在还处于研究阶段的、以智能算法为基础的“面控”系统,这些系统都是建立在对交通流进行预测的基础上.传统的预测方法(基于卡尔曼滤波理论的预测方法、基于交通流分析的分级预测方法、单回归预测方法、单纯的时间序列分析预测方法等)用于交通量预测,其预测精度都较低.对于城市交通实时智能控制系统,交通量的实时预测是其成功的关键一步. 2 不同层次的段式结构的过程 混沌就是指在确定性系统中出现的一种貌似无规则的、类似随机的现象.对于确定性的非线性系统出现的具有内在随机性的解,就称为混沌解.与确定解和随机解不同,混沌不是简单的无序而是没有明显的周期和对称,但却具有丰富的内部层次有序结构,是非线性系统中的一种新的存在形式. 城市交通是一个复杂的巨型系统,它有较强的随机性,这种随机性是由于各种因素的干扰引起的.虽然我们说有较强的随机性,但是,并不是说它不可预测,实际上,在一个短的时间内(例如10分钟),每条道的流量、路口总体流量和交通控制网络流量的变化却具有丰富的内部层次有序结构,有很强的规律可寻,是一种介于随机和确定性之间的现象,这就是混沌现象.后面笔者利用广东珠海的迎宾大道和江门迎宾路的实测数据,通过计算也说明了这一点.由于混沌系统具有“蝴蝶效应”,混沌时间序列长期不可预测,而在短期内,系统的运动轨迹发散性很小,利用观测资料进行短期预测是可行的,因此,可以利用基于混沌理论的方法来预测交通量. 3 城市轨道交通交通量预测的方法 所谓混沌时间序列或混沌信号,是指对一个混沌系统进行观测采样得到的一个单变量时间序列.混沌时间序列分析以重构相空间理论为基础,根据已有的观测序列来寻求获得原吸引子的嵌入方法,吸引子的维数、Lyapunov指数等不变量的计算方法,以及进行非线性序列的预测. 混沌时间序列预测方法有全域、局域、加权零阶局域、加权一阶局域、基于最大Lyapunov指数的预测,以及基于神经网络的时间序列预测等方法.城市交通系统作为一个混沌系统,其“蝴蝶效应”特别强烈.相位空间的有些数据由于离预测的时间点比较远,已经很难反映现在这个时刻后交通量的变化情况,而相位空间的最后一点一般最能反映下一点的走向,因此,将轨迹中的全部点作为拟合对象的全域法用于交通量的预测就不太合适,而基于神经网络的时间序列预测方法由于其学习和预测时间都很长,对于服务于实时交通控制的交通量预测来说,也不合适.由于局域法利用的是“历史上相似的数据”来预测,比较适合交通量的预测,这里选择在局域法中预测效果最好的加权一阶局域法.基于最大Lyapunov指数的预测方法用Lyapunov指数来量化初始轨道的指数发散和估计系统的混沌量,Lyapunov指数是系统的一个很好的预报参数,能不能采用该方法,可以先计算这个参数,实际上该方法是交通量预测的一个很好的方法.这里,笔者将根据城市交通量变化的特点将这两种方法改进后应用于交通量的预测,并比较其预测精度. 3.1 建立加权一阶局域法 设中心点Yk的邻近点为Yki(i=1,2,…,q),并且到Yk的距离为di,设dm是di中的最小值,定义Yki的权值为: Ρi=γiexp(-a