《基于支持向量机的交通流组合预测模型.pdf》由会员分享，可在线阅读，更多相关《基于支持向量机的交通流组合预测模型.pdf（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2 7 卷第2 期2 0 0 8 年4 月天津工业大学学报J o U R N A Lo FT 认N J I NP o L Y T E C H N I CU N E R S I T YV 0 1 2 7N o 2A p r i l2 0 0 8基于支持向量机的交通流组合预测模型李斌1 一，郗涛1，史明华1(1 天津工业大学管理学院，天津3 0 0 1 6 0；2 天津市公安交通管理局，天津3 0 0 3 8 4)摘要：根据天津市某路口的历史数据，采用目前流行的历史平均模型、R B F 神经网络、灰色预测法分别建立了天津市某路口交通流量的单项预测模型，然后利用支持向量机模型对多个单项预测模型结果
2、进行了组合预测，以作为其最终的预测值计算结果表明，采用非线性组合方法比采用单一预测方法的预测精度有了进一步的提高比较适合交通流预测关键词：交通流预测：组合预测；支持向量机中图分类号：U 4 9 1 1 4文献标识码：A文章编号：1 6 7 1 0 2 4 X(2 0 0 8)0 2 0 0 7 3 0 k 4T r a f f i cf l o wc o m b i n e df o r e c a s tm o d e lo fS u p p o r tV e c o r fM a c h i n eL IB i n l”，X IT a 0 1，S H IM i n g-h u a l(1
3、S c h o o lo fM a n a g e m e n t，T i a n j i nP o l y t e c h n i cU n i v e r s i t y，T i a n j i n3 0 0 1 6 0，C h i n a；2 T i a n j i nP u b l i cS e e u r i t yT r a f f i cM a n a g e m e n t，T i a n j i n3 0 0 3 8 4，C h i n a)A b s t r a c t：T h es i n g l et r a f f i cf l o wf o r e c a s t
4、i n gm o d e l sa r ee s t a b l i s h e db yu s i n gh i s t o r ya v e r a g em o d e l，R B Fn e u r a ln e t w o r kp r e d i c t i o nm o d e la n dg r e yp r e d i c t i o nm o d e lb a s e do nt h eh i s t o r i c a ld a t ao ft r a f f i cf l o wi ns o m ec r o s s r o a do fT i a n j i n，C h
5、 i n a T h e nt h et h r e ei n d i v i d u a lp r e d i c t i o n sa l em i x e db yt h eS u p p o r tV e c o r fM a c h i n ef u n c t i o na n dt h er e s u l t sa st h ef i n a lp r e d i c t i o no ft h et r a f f i cf l o w T h et e s tr e s u l t ss h o wt h a tt h ep r e d i c t i o nO i lt
6、h eb a s i so ft h ec o m b i n e df o r e c a s tm e t h o d si sp r e c i s i v e K e yw o r d s：t r a f f i cf l o wf o r e c a s t i n g；c o m b i n e df o r e c a s t；S u p p o r tV e c o r fM a c h i n e为解决交通拥挤和交通事故等诸多问题，各国都非常重视对交通规划方法的研究，并且已研究开发了很多有较强适用性的交通规划和控制系统但所有这些系统的运行必须有一个前提条件，即能够利用所采集的
7、历史数据，对未来时段内的交通流做出连续、同步、准确的预测同时这些预测数据的准确性也直接决定了交通规划和决策的准确与否【1】城市道路交通流量变化受多种自然和社会因素的影响，且各因素的作用机制通常不能用精确的数学语言来描述，属于时变的、复杂的非线性大系统但目前单纯的某一种交通流预测方法都有其要求的独特的信息特征和应用条件，只能从各自不同的角度来反映未来的情况，具有一定片面性预测前往往需要进行大量的分析判断来选用最佳的数学模型同时，在进行实际应用中，由于交通路网中各个路段的具体环境不同，使得各路段历史数据的采集数量和精度有很大的差别。很难选择到一个能适用于所有路段交通流预测的预测模型因此。为了利用全
8、部有用信息，尽可能多地进行多路段流量的预测，本文提出了基于支持向量机(S V M)的组合预测模型即先分别利用历史平均模型、灰色预测法和径向基R B F 神经网络进行交通流的预测然后将各单项的预测结果作为输入值进行计算，将其输出结果作为最终的预测值1 单项预测模型根据适用条件的不同，经常使用的交通流预测模型有历史平均模型、灰色预测法和R B F 神经网络等1 1 历史平均模型历史平均模型可以采用一次指数平滑法。算法定收稿日期：2 0 0 7 1 2 1 3作者简介：李斌(1 9 7 4 _)，男，政工师E m a i l：x i t a o s i n m c o m 万方数据-7 4 天津工业
9、大学学报第2 7 卷义为：V(n e w)=O V+(1-0)V(o l d)(1)式中，V(n e w)代表某路段在一定时间间隔内新的交通流量；V(o l d)代表该路段在一定时间间隔内的旧的交通流量；y 为最近观察到的该路段在一定时间间隔内的交通流量：a 为平滑系数在欧洲，此模型被广泛应用到各种出行者信息系统和动态路径诱导系统中，如1 9 8 7 年J e f f r e y 提出的A u t o g u i d e 系统，1 9 9 3 年K a y s i 提出的L I S B 系统等阁历史平均法算法简单。参数a 可用最小二乘法(L S)在线估计，可以在数据缺失的情况下解决不同时间、不
10、同时段里的交通流变化问题1 2 灰色预测法灰色预测方法是根据过去及现在已知的或非确知的信息，建立一个从过去引伸到将来的灰色模型设存在k 个影响交通流量的因素，通过对第i 个因素有n 个调查值，可得到数列：名：()：(1)，茗：(2)，k，蠢(n)，对其各个因素做一次累加石：1)()：z：(，)j=l后可生成数列戈：”()：1)(1)，戈；”(2)，菇：”(n)对其求微分并离散后可得G M(1，)白化形式的微分方程：(1)k警+似：z i u(2)卜+似i=厶(z)u oi=2式中，a 为发展灰数；地为内生控制灰数，可由最小二乘法求得解该微分方程，得灰色G M(1，)预测模型：r菇+1)=拶(1
11、)_ 1，：”()e(-a t)+Lui=21 膨：1(t+1)(3)ui=2灰色模型利用累加生成后的新数据建模。在一定程度上弱化了原始数据的随机性，容易找出数据变换规律。具有所需建模信息少、运算方便、建模精度较高的特性，因而在各种预测领域有着广泛应用文献 3】曾利用此方法进行交通流短期预测，获得了较好效果1 3 神经网络模型人工神经网络是基于人脑的神经元细胞对外界反应的局部性而提出的一种非线性计算方法被广泛应用在数据预测、模式识别等方面目前应用在交通流预测中的模型主要有误差反传B P 神经网路4 1、径向基R B F 神经网络嘲由于B P 神经网络模型需要较为全面、能代表各种情况的样本数据，
12、很难在交通流实际预测中应用。因此本文选择了R B F 神经网络R B F 神经网络是一种新颖有效的前向型神经网络。具有最佳逼近性能和全局最优的特性该网络避免了像反向传播那样繁琐冗长的计算，因此有较高的运算速度和推广能力以及较强的非线性映射功能，因而适合应用于高度复杂的交通流预测2 非线性组合预测模型2 1 组合模型简介组合预测模型是为了有效利用各种预测模型的优点，将不同的预测方法根据一定的规律进行组合，以求提高预测的精度 6 1 前面提到的现存预测模型。包括历史平均模型、灰色预测模型、神经网络模型等，各有优缺点和自己的适应条件因此，应用某一单一模型进行复杂交通流量的预测，显然是力不从心的而通过
13、采用一种综合模型，集中各种算法优势于一体，针对不同的交通状况，将各种预测模型的输出值作适当的组合变换，将得到更好的预测效果设对某一预测路段拥有m 个时段的历史数据l，。t=l，2，m 利用n 种预测方法对这一时段进行预测，其各个时段的预测值分别为Y。，i=1，2，n；f=1，2，m 组合预测法的目的就是找到一个映射函数币，并保证m i n0G l，0，t=l，2，m；其中J|0 为欧式范数，e=(咖(，。)，i=1，2，n 由此可见，寻找映射函数咖成了问题的关键目前常用组合预测法将咖定义为加权平均，即定义权向量W；(i=1，2，n)，使得nn皓艺W t Yd，t=l，2，7,其中乞埘乒1，毗o
14、 i=1=1W i 的值一般通过最小平方法和最小方差法求得不难看出。这种组合预测法预测精度的提高存在一个约束条件。即预测对象的实际值总是介于所有预测方法与其相对应的预测值的最大值与最小值之间事实上，对于非线性的交通流预测很难满足这个条件；其次，由于计算出的形；是固定不变的，可是路网中各路段实际特征不同且外界的影响因素也随时会变化，某种预测方法可能会更适应于这种变化，这就要求其权值相应地变化为了克服现有组合预测方法的不足，人们开始探讨非线性组合预测方法，即将咖定义为非线性函数同样，问题的关键就变成寻找一个适合交通流的非线性映射函数西2 2 基于支持向量机(S V M)的组合预测基于支持向量机的组
15、合预测。相当于利用S V M作为映射函数进行组合预测支持向量机作为统计学 万方数据第2 期李斌，等：基于支持向量机的交通流组合预测模型一7 5 一理论中最为实用的理论能同时最小化经验风险与置信区间，以取得较小的实际风险，可以成功地解决小样本、非线性的函数回归拟合问题S V M 的基本思想就是通过非线性内积核函数将线性不可分的低维空间数据映射到一个线性可分的高维特征空间，在这个特征空间中进行回归拟合1 7 1 其算法模型如下：首先考虑用线性函数，)拟合训练样本集(花，y 1)，i=1，2，1 其中菇础，Y R 并假设所有训练数据都可以用线性函数拟合。即：l y i-(w 筏)-b 占(埘X,i)
16、+6 吖占j(4)【素，O式中，占为误差精度；毒，是考虑允许拟合误差下引入的松弛因子根据最优分类面的理论，回归函数最优等价于：m i n(怕I I2+c(毒)(5)-=1即折衷考虑最少错分样本和最优拟合函数其中C 0，为惩罚系数，用来控制超出误差8 的样本的惩罚程度利用La g r a n g e 优化方法可以把上述最优问题转化为其对偶问题 8 1，即符合下式约束条件(6)：乞(a,-a*i)=0，o 啦，c t i 一C(6)i=l对La g r a n g e 因子o r o t i 最大化目标函数为：W(a，a+)=(a I 斗a：)+y,(a s-a,)一上2i y,j=l t(a-啦
17、)(a h)(撕)(7)从而得回归函数为：以戈)=(加茗)+6=2。(a 啦)(戈广优)+6(8)=1这里a；，0 c I 将只有小部分不为0，它们对应的样本就是支持向量，一般是指在函数变化比较剧烈位置上的样本；由于这里只涉及内积运算，只要用核函数K(x；，髫)替代(4)式，(5)式中的内积运算就可以实现如下非线性函数拟合：以茗)=硝(”菇)+6i=1(9)式中，a i 为系数；霸为支持向量；b 为阈值；a，b 可以利用二乘法求解在形式上S V M 输出是中问节点的线性组合，每个中间节点对应于一个支持向量利用S V M 进行回归分析时，核函数K(x i，算)的选择是非常关键的环节目前使用的核函
18、数主要有线性内核、多项式内核、径向基函数内核、S 形内核 9 1 本文根据交通流时变、非线形的特点选择在这方面具有良好性能的径向基作为内核函数，即：K(施，戈)=e x p(-l x c r 2 x 1 2，I(1 0)式中，c r 2 为核函数的宽度参数，控制基函数的径向作用范围3 预测仿真与分析本预测实例利用天津交管局2 0 0 6 年3 月一2 0 0 7年3 月及天津市第4 次公路交通O D 调查结果数据建立样本数据库，对天津市外环线某路口进行了建模和预测仿真其中以2 0 0 7 年3 月中一周的数据为预测测试样本，其它数据为模型学习数据3 1 单项预测模型在进行R B F 和G M(
19、1，)预测时，如果样本维数选得过高。不但会因为冗余特征过多导致拟合性能退化，而且还会使训练时问过长；但如果样本维数选得过低，则会因为知识挖掘不充分而影响预测精度考虑到交通流量具有3 大特点：明显的周期性；明显受到各种环境因素的影响，如季节更替、天气因素突然变化、重大文体活动等；具有时间滞后性，本文提出按如下方式训练网络输入：预测日所在年份，预测日的季节属性(春季(1)，夏季(2)，秋季(3)，冬季(4)、预测日及前一日的温度、预测日及前一日的天气情况(正常(0)，大雨(1)，下雪或雾天(2)、预测日属性(工作日(0)、休息日(1)、节假日(2)、周边环境因素(正常(O)、中、小型人员聚集日(1
20、)、大型人员聚集日(2)，发生交通事故(3)总共8 维的特征组合输出：该日的高峰小时流量上述单项预测算法均利用M a t l a b7 0 编程实现3 2S M 组合预测支持向量机核函数选择径向基函数内核，采用M a t l a b 工具箱进行计算仿真其中径向基函数参数c r 2值对模型的泛化能力至关重要图1 所表示的是c r 2 在1 10 0 0 范围内的平均相对误差M A P E 的变化情况nM A P E：上EI 趟L fn 百l 办l式中，竹为实际值；囊为预测数值；n 为测试个数从图1 中可以看出，随着c r 2 的增大，平均相对误差M A P E 先减小后增大由此说明，c r 2
21、太小(1-2 0 0)会引起过学习，c r 2 太大(3 0 0 10 0 0)会引起欠学习，适合 万方数据一7 6 一天津工业大学学报第2 7 卷值应该在2 0 0 3 0 0 之问，可以选择盯2=2 5 0 幂、基司=一图1R B F 核函数o。2-M A P E 曲线图F i g 1R B Fk e r n e lf u n c t i o no。2-M A P Ec u r v eS V M 的参数误差精度占和惩罚系数C 的选择在基于核函数R B F(2 5 0)的基础上进行C 和占对预测结果的影响如图2 所示零、筮岂图2S V M 参数C M A T P E 和p M T P E 曲
22、线图F i g 2S V Mp a r a m e t e rC M A T P Ea n de M A P Ec u r v e可以看出C 和占对预测精度的影响也很大，当C和占的取值范围分别在l O 1 0 5 和1 0-1 _ 1 0 4，都经历了先减小后增大的过程当R B F(2 5 0)核函数下选S V M 参数C=1 0 3 和e=l O 之的预测效果是最好的3 3S V M 组合预测结果分析S V M 组合预测和各单项预测结果及相对误差如表1 所示表l 预测结果和误差分析表T a b 1P r e d i c t i o nr e s u l ta n de r r o ra n
23、a l y s i s辆序实测指数平滑法R B F 预测灰色预测组合预测号流量预测误差预测误差，预测误差，预测误差胍142 8 044 2 13 2 944 4 23 7 945 3 45 9 343 6 31 9 42 43 8 744 4 91 4 045 3 73 4 244 3 41 0 742 5 62 9 9342 2 444 6 85 7 843 9 44 0 241 8 30 9 742 8 51 4 44 41 0 144 8 29 2 939 0 14 8 839 6 53 3 242 5 13 6 6543 0 844 9 34 2 944 2 12 6 245 4 35
24、 4 544 6 63 6 76 47 1 645 1 64 2 445 2 44 0 745 5 63 3 945 4 23 6 9743 9 345 3 53 2 342 6 72 8 746 8 56 6 545 2 32 9 6亚刍43 4 444 8 04 5 043 5 53 6 744 1 43 8 343 8 32 9 1分析表l 中的结果可以看出：(1)支持向量机组合预测的平均相对误差最小，精度较高，证明组合预测优于其它单项预测方法；(2)历史平均法可以比较清楚流量的变化趋势，但在外在环境等因素变化时不能及时反应，可以选择在缺少检测器数据时采用；(3)R B F 神经网络和G
25、 M(1，)模型的预测精度相当，适用于变化纷繁的交通状况，但必须保证大量准确的原始数据进行网络学习；4 结束语支持向量机的训练问题本质上是一个经典的二次规划问题，它可避免局部最优解，并且有唯一的全局最优解在核函数的选择上，本文采用高斯径向基核函数，其收敛速度快、具有全局收敛等特性用支持向量机方法进行非线性组合预测。比传统的预测方法及神经网络方法有更高的计算精度根据本文对交通流量的建模仿真结果可以发现，虽然交通流量的变化看似错综复杂，但其变化具有内在的规律。只要历史数据采集准确，预测模型选择恰当，仍然能够对交通流量变化做出较为准确的预测其预测结果可以为交管部门进行交通管理和规划提供有力的保障参考
26、文献：1 吴小强，李鹏，曲卫民智能交通系统研究回顾与展望【J】国外公路，2 0 0 0，(4)：3 6 4 0 2】刘静，关伟交通流预测方法综述叨公路交通科技，2 0 0 3，(3)：8 2-8 5【3】邓志龙基于灰色系统理论的短时交通流预测叨公路交通技术，2 0 0 6，(1)：2 1 2 5【4】张玉梅高速公路动态交通流的B P 神经网络建模 J】计算机工程与应用，2 0 0 7，(1 5)：4 2 4 6 5】欧海涛高速公路交通流的R B F 神经网络建模叨上海交通大学学报，2 0 0 0，(5)：6 5 6 8 6】6唐小我，曹长修组合预测方法研究【J】控制与决策，1 9 9 3，8(
27、1)：3 5 3 8 7】Z H O N GWM，H EGL，P IDY，e ta 1 S V Mw i t hp o l y n o m i a lk e r n e lf u n c t i o nb a s e dn o n l i n e a rm o d e lo n e-s t e p-a h e a dp r e-d i c t i v ec o n t r o l 田C h i n e s eJo fC h e m i c a lE n g i n e e r i n g，2 0 0 5，1 3(3)：3 7 3 3 7 9【8】殷英，张朝元，胡光华，等基于S V M 的实时交
28、通流模拟与预测系统设计 J】计算机工程与应用，2 0 0 5，4 1(1 0)：1 9 7 1 9 9【9】Z H A N GL i，Z H O UW e i-d a，J I A OL i c h e n g S c a l i n gk e r n e lf u n c t i o ns u p p o r tv e c t o r m a c h i n e s 叨A c t aE l e c t r o n i c aS i n i c a，2 0 0 2，4(4)：1 2 3 1 2 6 O0O0OOOOO8765432lO 万方数据基于支持向量机的交通流组合预测模型基于支持向量机的交
29、通流组合预测模型作者：李斌，郗涛，史明华，LI Bin，XI Tao，SHI Ming-hua作者单位：李斌,LI Bin(天津工业大学,管理学院,天津,300160;天津市公安交通管理局,天津,300384)，郗涛,史明华,XI Tao,SHI Ming-hua(天津工业大学,管理学院,天津,300160)刊名：天津工业大学学报英文刊名：JOURNAL OF TIANJIN POLYTECHNIC UNIVERSITY年，卷(期)：2008，27(2)引用次数：0次 参考文献(9条)参考文献(9条)1.吴小强.李鹏.曲卫民 智能交通系统研究回顾与展望期刊论文-国外公路 2000(04)2.刘
30、静.关伟 交通流预测方法综述期刊论文-公路交通科技 2003(03)3.邓志龙 基于灰色系统理论的短时交通流预测期刊论文-公路交通技术 2006(01)4.张玉梅 高速公路动态交通流的BP神经网络建模期刊论文-计算机工程与应用 2007(15)5.欧海涛 高速公路交通流的RBF神经网络建模期刊论文-上海交通大学学报 2000(05)6.唐小我.曹长修 组合预测方法研究期刊论文-控制与决策 1993(01)7.ZHONG W M.HE G L.PI D Y SVM with polynomial kernel function based nonlinear model one-step-ahe
31、adpredictive control期刊论文-Chinese Journal of Chemical Engineering 2005(03)8.殷英.张朝元.胡光华 基于 SVM 的实时交通流模拟与预测系统设计期刊论文-计算机工程与应用 2005(10)9.ZHANG Li.ZHOU Wei-da.JIAO Li-cheng Scaling kernel function support vectormachines期刊论文-ActaElectronica Sinica 2002(04)相似文献(10条)相似文献(10条)1.学位论文 尹振兴“机理+辨识”策略在短时交通流预测中多种结果合
32、成 2008 实时的短时交通流预测是城市交通控制与诱导的基础，也是智能交通系统的重要功能之一。目前研究发现，没有一种预测模型和方法能够适用于各种环境和条件下的交通流预测，进一步提高预测准确率的主要途径应该是从预测策略方面的研究。将“机理+辨识”预测策略应用到短时公路交通流预测中，研究线性组合预测最优权重，并用某高速公路3分钟短时交通流观测数据进行数值试验。研究内容和结果如下：(1)运用数理统计学，从理论上推导出线性组合预测的最优组合权重公式。特别地，采用稳健统计等理论，通过数学推导和仿真试验初步证明了简单平均法是极优的一种线性组合预测权重方法，但简单平均法一般不是最优的。(2)采用连续小波变换
33、、非线性时间序列分析等技术，通过分析该短时交通流的数学性质，初步分析了其预测准确率。(3)采用支持向量回归模型、BP人工神经网络模型、径向基人工神经网络模型、指数平滑模型(一次、二次)和时间序列预测法中的自回归模型、动平均模型(一次、二次)对该短时交通流进行预测，得到8种单一预测结果。(4)将稳健统计技术、探索性数据分析技术引入到线性最优组合权重系数计算中来，共得到16组权重系数。通过误差分析、数值试验初步证实了上述线性组合预测的最优组合权重公式的正确性。研究表明：“机理+辨识”预测策略中的多种预测结果合成，除了采用现有的组合预测方法外，还应该采用更灵巧的稳健统计技术、探索性数据分析技术、重抽
34、样技术，以达到对复杂时间序列指定特征优化的多结果合成。2.学位论文 聂佩林 高速公路交通流预测方法研究 2008 高速公路拥挤的减轻，事故率的降低，管理水平的提高有赖于对交通流进行合理的控制和诱导，而实现交通流控制和诱导的关键问题是准确的交通流预测。交通流预测信息可以作为先进的交通管理系统(AdvancedTrafficManagementSystem，ATMS)的输入，制定前摄式的交通控制策略，还可以作为先进的路径诱导系统(AdvancedTravelerInformationSystem，ATIS)的输入，制定合理的路径诱导信息，帮助出行者更好地进行路径选择。有研究证明，与基于当前信息的交
35、通控制和路径诱导相比，基于预测信息可以取得系统更优的结果。交通流预测按照范围分可以分成：点(路段截面)、线(路段)交通流预测和路网交通流预测。目前点、线交通流预测主要采用以随机过程、数理统计和最优化等理论为数学基础的预测方法，这些方法一般要使用大量的检测数据进行参数估计或训练，具有较高的预测精度，因此也常被称作“数据驱动”方法。但是这些方法缺点是预测性能随不同的时间和道路环境变化，没有一种能够在所有情况下占有绝对优势。在路网交通流预测方面，中观仿真是目前取得效果最好的方法之一，但是由于中观仿真模型参数较多，对参数变化比较敏感，在路网局部点、线上的预测效果不如前者好。针对这两个问题，本文根据从点
36、到线、线到面，简单到复杂思路出发，先从高速公路路段截面的交通流量预测着手，提出了两种交通流量的组合预测方法，然后将点、线预测与中观仿真结合，提出了两者的结合框架。具体的完成内容包括：(1)提出了高速公路交通流量的约束卡尔曼滤波组合预测方法。该方法是若干单一预测方法的动态加权组合，满足线性组合预测原理，其动态组合权值由约束卡尔曼滤波递推方程确定。利用高速公路采集的交通流量数据，通过组合单一的神经网络预测方法和单一的时间序列预测方法，分无干扰预测模型和有干扰预测模型情况对提出的方法进行了测试。实验结果表明：单一的神经网络预测方法或单一的时间序列预测方法预测性能随不同时间、不同预测步长起伏变化，而约
37、束卡尔曼滤波组合预测方法始终优于其中最佳的单一预测方法或与之持平。(2)提出了高速公路交通流量的神经网络组合预测方法。该方法是若干单一预测方法的非线性组合，通过使用神经网络逼近非线性组合映射，实现了组合权值的动态计算。采用高速公路采集的交通流量数据，通过组合单一的神经网络预测方法和单一的时间序列预测方法，分无干扰预测模型和有干扰预测模型情况对提出的方法进行了测试，并和基于线性组合原理的约束卡尔曼滤波组合预测方法进行了对比。实验结果表明：在不同时段、不同预测步长下，神经网络组合预测方法优于单一的预测方法；在整体预测效果上与约束卡尔曼滤波组合预测方法持平。(3)提出了点、线预测与中观仿真结合的交通
38、流预测框架。该框架将数据驱动方法在路网局部点、线的高精度预测能力与中观仿真的路网范围预测能力结合起来，通过可信度高的路网局部的点、线预测值，在线修正中观仿真模型的参数，使得中观仿真模型能够逼近、反映交通流运动趋势，提高路网范围交通状态预测精度。通过结合路段旅行时间预测与中观仿真的实例分析证明，点、线预测和中观仿真结合发挥了两者各自的优势，预测结果比单纯的中观仿真效果好。3.期刊论文 刘国林.高放.李俊芬.LIU Guo-lin.GAO Fang.LI Jun-fen 最优组合预测及其在短时交通流预测中的应用-山东科技大学学报(自然科学版)2009,28(1)交通流量预测结果的好坏直接关系到交通
39、控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一.在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性.4.学位论文 傅惠 城市关联交叉口交通流预测控制理论与方法 2007 城市关联交叉口以地理位置相邻、交通流之间存在一定关联性且其关联性度量动态变化为主要特征，是普遍存在于城市路网中的一类交叉口集合形式。这些城市关联交叉口构成城市路网中的重点交通区域
40、(包括重要交通密集及交通瓶颈地带)，因此，对城市关联交叉口的控制效果直接影响着城市路网局部通行效率。另一方面，由于交通流具有强非线性和时变特征，而传统的控制策略自适应性较差未能跟踪交通流的复杂变化，也忽略了从交通流相关性的角度出发，以关联交叉口总体通行效率最优为目标来制定配时方案，这就导致实际中对关联交叉口的控制效果不佳。探求具有自适应性、以全局最优为目标的城市关联交叉口信号控制方法，已成为改善我国城市交通问题的现实迫切需要。为此，本文以城市关联交叉口为研究对象，提出采用预测控制的“模型预测、滚动优化、在线反馈”思想，研究城市关联交叉口交通流的预测控制方法。本文的主要工作和研究成果包括：一、从
41、交通流时间序列之间关联度计算的角度出发，初步对关联交叉口进行定义，首次从交叉口精细交通流信息获取、短时交通流预测模型、预测控制优化性能函数及优化算法、预测控制范围动态划分等方面，全面地提出了城市关联交叉口交通流预测控制的体系结构。二、系统地研究具有车型信息的精细交通流获取方法，结合感应线圈的检测信号存在时间弯曲的特点，研究了基于DTW的多模板匹配车型分类算法；同时，对无检测交叉口交通流获取方法归纳为邻近交叉口关联分析、移动+固定检测融合方法等三类。三、针对短时交通流动力学行为异常复杂的特点，本文结合交通混沌研究的最新成果，提出短时交通流动力学特性分析流程。首先，通过相空间重构技术恢复短时交通流
42、的规律轨道，再利用Lyapunov指数、功率谱估值和Kolmogorov熵等特征量，将短时交通流系统划分为确定性、随机、混沌三类。实验对非线性跟驰模型生成的仿真交通流和现实短时交通流进行分析，证实了动力学特性分析流程的有效性。四、提出在进行可预测分析的基础上，充分综合各种单项预测方法的优缺点和可能存在的优势互补性，建立基于RBF网络的非线性组合预测模型。仿真实验表明，组合预测具有不低于任何单项方法的预测精度，通过组合单项预测方法可以提高预测稳定性和预测精度。五、设计了城市关联交叉口交通流预测控制算法，其核心思想是以RBF网络组为关联交叉口交通流量预测模型、以关联交叉口排队长队最小为优化性能指标
43、，通过交通流量实测值与RBF网络预测值存在的误差实现对RBF网络组的在线训练和修正。初步给出城市关联交叉口交通流预测控制中配时参数的确定方法，同时，提出通过灰关联度、非线性关联度分析方法对关联交叉口控制范围进行动态调整的思路。六、结合PSO算法的优势，研究了基于自适应PSO算法的城市关联交叉口交通流预测控制优化求解算法。以包含三个十字路口的关联交叉口为例，设计了交通流预测控制仿真实验，以关联交叉口总排队长度最小为优化指标，利用自适应PSO算法进行配时参数求解，实验结果表明本文方法有效。本文在城市关联交叉口交通流预测控制研究中，着眼于理论与方法体系研究，尤其在交通流信息获取、交通流动力学分析、交
44、通流预测、交通流预测控制算法方面，对已有研究思路与研究成果都进行了较为完整的体系性归纳整理，为后续深入研究理清了思路、明确了重点突破方向。此外，本文对车型分类、交通流可预测性分析及组合预测、性能函数建模及优化等关键技术进行了深入研究，提出了一些新颖的技术路线和求解算法，部分研究成果已投入实际应用并取得良好效果。以上研究成果将有利于促进我国城市交通流预测控制理论的进一步完善和深入研究，对于开发具有我国自主知识产权的交通信号控制系统也具有重要意义。5.期刊论文 张敬磊.王晓原 基于非线性组合模型的交通流预测方法-计算机工程2010,36(5)为开发智能交通系统,提出一种基于RBF和ARIMA网络非
45、线性组合模型的短时交通流预测方法,采用三层结构的RBF网络将2种单一预测方法-RBF和ARIMA网络进行非线性组合,利用实测数据对3类方法进行仿真实验,结果表明,非线性组合模型的预测准确性高于各自单独使用时的准确性,组合模型发挥了2种单一方法各自的优势,是短时交通流预测的有效方法.6.期刊论文 谭满春.李英俊.徐建闽.TAN Manchun.LI Yingjun.XU Jianmin 基于小波消噪的ARIMA与SVM组合交通流预测-公路交通科技2009,26(7)针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,
46、使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测.7.学位论文 王渭巍 公路交通流预测中“机理+辨识”策略的若干基本问题 2007 实时准确的交通流量预测是实现智能交通控制和诱导的前提与关键，也是智能化交通管理的客观需要。目前的研究中，许多方法只是把序列数据当成一堆“纯
47、粹”的数据，把预测当成一种“从数据到数据”的纯数学过程，但进一步提高预测准确率的主要途径却是从预测策略方面的研究。作为对“组合预测”策略的细化和深化，“机理+辨识”预测策略比较全面地考虑了复杂系统的结构知识和行为经验知识，本文研究其应用在短时交通流预测中的几个基本问题。研究内容和结果如下：(1)将“机理+辨识”预测策略应用到短时交通流预测中，讨论了“机理+辨识”预测策略的基本结构。证明了实非线性动力系统的差分系统的Lyapunov指数保持不变。(2)从统计学角度探讨了时间序列长度对预测准确率的影响，并分别用ANN，AR方法对国内某快速路一天的交通流量实测数据进行数值实验。理论和实验表明：随着序
48、列长度增加，预测准确率的提高等价于正态分布样本标准差估计的置信区间随样本容量的变化，它按照卡方分布方式提高。(3)将数值天气预报中的ensemble方法移植到短时交通流预测中来，并分别用ANN和.AR模型加以实现，并对ensemble的次数和噪声强度对预测准确率的影响进行了实验和探讨。实验表明，ensemble预测提高了预测结果的准确率。研究表明：“机理+辨识”预测策略以及DDDAS提倡的模型评价后预测方式，是对预测策略的新的有益探讨。这些方法可以明显稳定地改善短时交通流预测的可靠性和准确率。8.期刊论文 刘敬贤.张涛.刘文 船舶交通流组合预测方法研究-中国航海2009,32(3)船舶交通流预
49、测的研究能为港口设计及船舶通航安全管理提供基础性数据.基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足.以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性.9.学位论文 高慧 基于混合智能计算的城市交通流预测研究 2008 近些年来，随着智能交通系统(ITS)的蓬勃发展，智能交通控制与诱导系统已经成为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
50、，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。随着时间跨度的缩短，交通流显示出来的非线性、时变性、不确定性越来越强，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、组合预测模型等这些传统预测模型的预测效果和预测精度不甚理想，需要提出新的模型。课题以城市道路网络中典型的干线多路口路段为研究对象，深入研究了城市短时交通流的特点，将智能计算领域中的两种基本方法:人工神经网络和全局优化算法相结合，建立混合智能计算的城市交通流预测模型。在深入研究神经网络的基础之上，建立神经网络结构模型，针对其结构特点，应用优化算法对其进行优化，完成了基于混合智能计算的交通