短时交通流预测研究综述

短时交通流预测研究综述

摘要：道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础。本文概述了道路交通流预测方法的发展历程,分析比较了各预测模型的优点、缺点及适用情况,给出了道路交通预测的一般流程。对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于检测器优化选择的短时交通流预测算法的预测方法。将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;以预测的均方误差最小为目标函数，通过遗传算法优化选择合适的检测器，以小波神经网络作为预测算法进行短时交通流预测具有很高的精度和适用性。

关键词：交通工程；交通流理论；短时交通流；预测模型;神经网络算法

Research on Short-Time Traffic Flow Forecasting Methods

LIU Jia-tong

(1. Department of Bridge Engineering, School of Highway, Chang’an Unversity)

Abstract: Prediction of road traffic flow is one of the key technologies of intelligent transportation system. This paper summarizes the development of road traffic flow forecasting methods, analyzes and compares the advantages, disadvantages and application of each forecasting model. The existing prediction methods are classified based on the method of statistical analysis: Based on the theory and methods of nonlinear theory and traffic detector based on the optimal selection of flow prediction algorithm based on prediction method and neural network method. The prediction effect of comprehensive prediction model of artificial neural network model and other fields combined than single neural network prediction model and the conventional prediction; to minimize the mean squared error as the objective function, the genetic algorithm to choose the appropriate detector with the wavelet neural network as prediction algorithm of short term traffic flow forecasting high precision and applicability.

Keywords: Transportation Engineering; Traffic Flow Theory; Short-term Traffic Flow; Prediction Model; Neural Network Algorithm

1 引言

2006年我国开始实施的“国家中长期科学与技术发展规划纲要一”中的交通科学问题研究专题中,明确提出了“发展一个系统,解决三个热点问题”的思路。其中,“一个系统”指的是综合运输系统,“三个热点”指的是交通能源和环境、交通安全和大城市交通拥堵。智能交通系统被认为是缓解道路交通拥堵、减少汽车尾气排放污染和交通事故等交通问题的有效方法之一。短时交通流预测是智能交通系统的核心内容和交通信息服务、交通控制与诱导的重要基础,能够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,达到节约出行者旅行时间,缓解道路拥堵,减少污染、节省能源等目的。目前,道路交通数据采集设备的性价比越来越合理,道路上交通数据的采集设备不断完善,使得短时交通流状态的分析处理和预测成为可能。现有的研究成果多以基于实时数据的道路网短时交通流预测理论与方法研究为题,在交通流数据分析的基础上[1],对道路网中多个断面交通流状态之间的相关性进行分析,从而选择预测的范围和对象,对道路网中多个断面的短时交通流预测理论和方法进行了深入探讨和研究,并且根据实际数据验证提出的预测模型。

智能交通系统(Intelligent Transport Systems,以下简称(ITS)作为一种能有效解决手段成为研究的热点。交通系统是一个有人参与的、时变的、巨大而复杂的系统,时刻变化着的道路交通状态怎样能够精准的预测,这是ITS的核心问题之一[2]。ITS的几大子系统均是在对道路交通状态进行合理、实时、准确预测的基础上,及时调整交通管理控制方案、并为出行者发布出行信息,提供最优路径选择方案,确保交通系统高效、安全运转。短时交通预测是交通控制、车辆导航等领域需要解决的重要问题之一。

交通流量是判别道路交通状态的一个关键因素。短时交通预测是微观意义上的,与中观和宏观意义上的以小时、天、月甚至是年计算的基于交通规划的战略预测有本质区别[4]。其主要内容为依据道路交通信息,采用适当的方法去滚动预测未来不超过15分钟的交通状况,为出行者提供最佳行驶路线,从而为均衡交通流、优化交通管理方案、改进交通控制等方面提供基础依据,对于缓解道路交通堵塞、避免社会资源的浪费有着重要的意义和应用价值。

2 交通流预测的理论研究

交通流短时预测这一领域的研究在国际上一直很活跃,在过去的几十年里,研究者们做了大量的工作,取得了显著的研究成果。早期的交通流量预测主要为交通控制系统服务。第一代城市交通控制系统(Urban Traffic Control Systems,UTCS)采用历史数据对交通流量进行离