城市道路交通流預(yù)測(cè)

1、.城市道路交通流預(yù)測(cè)1交通流預(yù)測(cè)方法歷程在交通預(yù)測(cè)方法方面，上世紀(jì)60年代，國(guó)外就開始研究交通流預(yù)測(cè)模型，并逐漸將這些模型應(yīng)用于短時(shí)交通流預(yù)測(cè)。早期的預(yù)測(cè)方法主要有時(shí)間序列法，自回歸滑動(dòng)平均模型(ARMA)、卡爾曼濾波預(yù)測(cè)模型等等。這些預(yù)測(cè)模型主要為線性模型，其考慮因素都較為簡(jiǎn)單，一般都用最小二乘法(LS)在線估計(jì)參數(shù)，利用歷史數(shù)據(jù)線性變化趨勢(shì)預(yù)測(cè)交通流參數(shù)。早期的方法具有計(jì)算簡(jiǎn)便，易于數(shù)據(jù)實(shí)時(shí)更新，便于數(shù)據(jù)量和規(guī)模較小的條件下應(yīng)用的優(yōu)點(diǎn)；但是由于這些模型不能體現(xiàn)交通流的非線性和隨機(jī)性，很難克服隨機(jī)因素對(duì)交通流量的干擾，所以隨著預(yù)測(cè)時(shí)間隔的縮短，隨機(jī)因素的作用也增強(qiáng)了，這些模型的預(yù)測(cè)精度和實(shí)時(shí)

2、性也就變得達(dá)不到預(yù)期的效果。伴隨著交通流量預(yù)測(cè)研究的深入進(jìn)行，學(xué)者們又提出了很多更復(fù)雜的、更高精度的預(yù)測(cè)方法和模型。從表現(xiàn)形式上大體可分成三類：第一類是早期以數(shù)理統(tǒng)計(jì)等傳統(tǒng)數(shù)學(xué)方法為基礎(chǔ)的線性預(yù)測(cè)模型；一類是以現(xiàn)代控制理論和科學(xué)技術(shù)(如模擬技術(shù)、神經(jīng)網(wǎng)絡(luò)、模糊控制)為主要方法和手段而形成的非線性預(yù)測(cè)模型，他們的特點(diǎn)是不需要精確的物理模型，在一定應(yīng)用范圍內(nèi)卻具有良好的魯棒性、精確度；第三類主要是前兩者的組合應(yīng)用，第三類方法綜合了的特性，克服前兩者他們的缺點(diǎn)，使得前兩者的優(yōu)點(diǎn)互補(bǔ)，從而達(dá)到很好的預(yù)測(cè)效果。這類方法建模過程較為復(fù)雜，但為短時(shí)交通流預(yù)測(cè)研究開辟了新的路徑，也是將來短時(shí)交通流預(yù)測(cè)方法的發(fā)

3、展方向。早在 1994 年 Hobeika, A. G 和 Chang Kyun Kim 在文獻(xiàn)中提出了根據(jù)截面歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)和上游交通流數(shù)據(jù)進(jìn)行短時(shí)交通流預(yù)測(cè)。Brian L. Smith 和Miehael J. Demetsky(1997)在文獻(xiàn)中對(duì)歷史平均預(yù)測(cè)模型、時(shí)間序列預(yù)測(cè)模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和非參數(shù)回歸預(yù)測(cè)模型四種交通流預(yù)測(cè)模型進(jìn)行了比較，結(jié)果非參數(shù)回歸模型以其模型簡(jiǎn)單，精度高成為了小樣本預(yù)測(cè)中最佳的預(yù)測(cè)方法。Bart Van Arem(1997)等在文獻(xiàn)中分析和闡述了短時(shí)交通流預(yù)測(cè)領(lǐng)域研究的相關(guān)進(jìn)展和應(yīng)用。2002 年，Sherif Ishak 和Haitham Al-De

4、ek 在文獻(xiàn)中應(yīng)用實(shí)時(shí)交通流數(shù)據(jù)對(duì)幾種短時(shí)交通預(yù)測(cè)模型進(jìn)行了應(yīng)用、比較和分析。我國(guó)智能交通建設(shè)與國(guó)外發(fā)達(dá)國(guó)家相比起步較晚，在短時(shí)交通流預(yù)測(cè)方面的研究起步也稍微晚一點(diǎn)。從90 年代起，國(guó)內(nèi)一些研究機(jī)構(gòu)和高校的交通領(lǐng)域的學(xué)者開始著手研究交通信息采集和數(shù)據(jù)挖掘技術(shù)，并逐漸開始重視短時(shí)交通流預(yù)測(cè)這一領(lǐng)域的研究。針對(duì)短時(shí)交通流預(yù)測(cè)的研究，吉林大學(xué)、東南大學(xué)、同濟(jì)大學(xué)等都進(jìn)行了大量的研究工作并獲得了一些成果和成功的應(yīng)用案例。其中楊兆升教授是短時(shí)交通流預(yù)測(cè)領(lǐng)域的先行者，他較早提出了基于卡爾曼濾波技術(shù)的交通流量預(yù)測(cè)方法。王曉原，吳磊等在文獻(xiàn)中利用非參數(shù)小波算法進(jìn)行短時(shí)交通流預(yù)測(cè)，通過實(shí)際數(shù)據(jù)驗(yàn)證得到了良好的效

5、果。李存軍在文獻(xiàn)中結(jié)合數(shù)據(jù)融合，神經(jīng)網(wǎng)絡(luò)等現(xiàn)代智能方法對(duì)交通流進(jìn)行預(yù)測(cè)，并引入了路網(wǎng)中相關(guān)路口相關(guān)評(píng)價(jià)概念，從而有效利用路網(wǎng)中相關(guān)交叉口數(shù)據(jù)對(duì)交叉口流量進(jìn)行預(yù)測(cè)。劉靜，關(guān)偉(2004)在文獻(xiàn)中介紹和評(píng)述了現(xiàn)有的交通流預(yù)測(cè)各種模型，并展望了今后可能的發(fā)展和研究趨勢(shì)?？傊?，目前國(guó)內(nèi)對(duì)于交通流預(yù)測(cè)模型研究和應(yīng)用已經(jīng)做了大量的工作和實(shí)踐，交通流量的預(yù)測(cè)研究也取得了飛速的發(fā)展，已由線性方法向非線性方法發(fā)展，交通流的隨機(jī)性在預(yù)測(cè)中越來越得到重視；由單一的流量數(shù)據(jù)向多種數(shù)據(jù)融合的方法發(fā)展；由單一路口流量數(shù)據(jù)向綜合考慮相關(guān)路口數(shù)據(jù)的方法發(fā)展。但目前的交通流預(yù)測(cè)精度和實(shí)時(shí)性還有待提高，預(yù)測(cè)的時(shí)間間隔大部分為 1

6、5 分，主要應(yīng)用只限于高速公路的交通流預(yù)測(cè)。2交通流基本參數(shù)交通流參數(shù)主要有交通流量、速度和密度三個(gè)基本參數(shù)，這三個(gè)參數(shù)信息是智能交通系統(tǒng)中實(shí)現(xiàn)交通控制和誘導(dǎo)的基礎(chǔ)。下面分別介紹這三個(gè)參數(shù)。（1）交通流量交通流量又稱流率，是指路網(wǎng)中某一地點(diǎn)或某一斷面在單位時(shí)間內(nèi)通過的車輛數(shù)。若道路上某一點(diǎn)在時(shí)間周期T 內(nèi)通過的車輛數(shù)為 N，則交通流量為：q=N/ T交通流量是交通流參數(shù)中尤為重要的參數(shù)，它最直接的反映了路段的交通狀況，因此它是交通預(yù)測(cè)、交通狀態(tài)判別等研究的基礎(chǔ)。它的實(shí)際數(shù)據(jù)不僅能夠很容易地測(cè)量到，而且能夠最直觀地反應(yīng)道路交通的通行狀況。（2）車速車輛速度種類較多，主要有地點(diǎn)車速、行駛車速、區(qū)間

7、車速、時(shí)間平均車速和空間平均車速等。地點(diǎn)車速指：車輛駛過道路某一點(diǎn)或者某一截面時(shí)的瞬間速度；車輛行駛車速指：通過一定路段長(zhǎng)度，在實(shí)際行駛時(shí)間中(不含停車時(shí)間)的可變車速；區(qū)間車速指：車輛在一定路段長(zhǎng)度所行使的距離除以行駛的總時(shí)間所求得的速度；時(shí)間平均速度：指定道路某一點(diǎn)或者截面，通過的所有車輛的地點(diǎn)車速的平均值；空間平均車速指：在某指定時(shí)間周期里，某路段內(nèi)通過的所有車輛的地點(diǎn)車速的平均值。本文主要通過預(yù)測(cè)流量、分析路段交通狀況，以提高交通流實(shí)時(shí)控制和誘導(dǎo)的水平。（3）密度和占有率交通流(車流)密度：是指某一時(shí)刻單位道路長(zhǎng)度上存在的車輛數(shù)目。K=N/L= 式中：N 路段內(nèi)的車輛數(shù)(輛)；L路段長(zhǎng)

8、度(km)。由于密度是一個(gè)瞬時(shí)值，觀測(cè)時(shí)間和路段區(qū)間長(zhǎng)度的不同，其值變化可能比較大，且不能直接反映出路段上車輛數(shù)量和速度的關(guān)系即路段的飽和度。所以學(xué)者們引入了車道占有率的概念替換密度。車道占有率又分為空間占有率和時(shí)間占有率。由于空間占有率難以檢測(cè)，因此在工程實(shí)踐中普遍使用時(shí)間占有率。 空間占有率：是指某一時(shí)刻，路段上所有車輛長(zhǎng)度之和占路段長(zhǎng)度的比例.時(shí)間占有率：在道路的某一截面上，存在車輛通過的時(shí)間之和占檢測(cè)時(shí)間周期的比例.（4）交通流參數(shù)間關(guān)系交通流量、速度和密度這三個(gè)參數(shù)既相互聯(lián)系而又相互制約。在實(shí)際的道路交通運(yùn)行中，無論三個(gè)因素中哪一個(gè)因素達(dá)到一定的量變都會(huì)引起交通流狀態(tài)的質(zhì)變。三者之間

9、的關(guān)系可以表示為：Q=KV 式中：Q 表示流量(輛/h)；V 表示速度(區(qū)間平均速度)(km/h)；K 表示密度(輛/km)。 盡管三個(gè)參數(shù)可以在三維坐標(biāo)中同時(shí)表示，但為了研究和工程應(yīng)用的方便通常采用速度流量模型、速度密度模型以及流量密度模型這三個(gè)二維模型的來分別表示它們彼此間的關(guān)系。速度密度模型可以作為基礎(chǔ)模型，利用它再推導(dǎo)出其它兩個(gè)模型。Greenshields 最早于 1935 年提出的速度密度線性模型；后來 Greenberg 又建立了表示速度密度關(guān)系的對(duì)數(shù)模型；Underwood 在 1961 年相繼建立了表示速度密度關(guān)系的指數(shù)模型；在對(duì)數(shù)模型與指數(shù)模型的基礎(chǔ)上，同年 Edie結(jié)合兩

10、者的特性建立了兩端模型；1967 年，May 根據(jù)跟馳理論推導(dǎo)出了各向同性的四參數(shù)單段連續(xù)模型。三個(gè)交通流參數(shù)的關(guān)系還可以描述為：當(dāng)交通流量不大即密度很小時(shí)，車輛暢通行駛，平均車速較高，但是此時(shí)交叉口單位時(shí)間通過的車輛也不多；隨著交通流量不斷增大，雖然車輛仍然能自由通行，但車輛行駛速度有隨之降低；當(dāng)交通密度增加到最佳密度時(shí)即路段交通流處于近飽和狀態(tài)，此路段交通流量達(dá)到最大值，即道路的通行能力，交通流形成了車輛跟馳現(xiàn)象，車速仍然較高但很均衡；當(dāng)交通密度繼續(xù)增大，即交叉口處于過飽和狀態(tài)下，此時(shí)交通流量反而下降，車速明顯降低直到接近于零，道路交通出現(xiàn)阻塞現(xiàn)象，此時(shí)交通密度也逼近極限值阻塞密度。3目前

11、主要采用的方法據(jù)相關(guān)資料統(tǒng)計(jì)，目前已經(jīng)有多種的預(yù)測(cè)方法應(yīng)用于交通流量預(yù)測(cè)研巧領(lǐng)域（屈凡，）。下面介紹幾種在國(guó)際交通流量預(yù)測(cè)中常用的方法。（1）歷史平均預(yù)測(cè)方法歷史平均預(yù)測(cè)方法原理是：基于歷史交通數(shù)據(jù)和目前實(shí)時(shí)數(shù)據(jù)建立相關(guān)預(yù)測(cè)模型（劉麗娜，）。該方法的計(jì)算公式如下：Q(t+1)= *Q（t）+（1-）*Q（t-1）其中：一Q(t+1)代表此路段下一時(shí)刻對(duì)應(yīng)的交通流量；一Q（t）代表此路段目前時(shí)刻對(duì)應(yīng)的交通流量；一Q（t-1）代表此路段前一時(shí)刻對(duì)應(yīng)的交通流量；一代表預(yù)測(cè)平滑系數(shù)。歷史平均預(yù)測(cè)方法的優(yōu)點(diǎn)是：計(jì)算相對(duì)簡(jiǎn)單，基于線性計(jì)算；缺點(diǎn)是：若交通流變化大時(shí)，預(yù)測(cè)準(zhǔn)確度會(huì)降低。（2）卡爾曼（）濾波模

12、型。卡爾曼濾波模型同樣也是基于線性統(tǒng)計(jì)的回歸原理。自從卡爾曼濾波理論被創(chuàng)立，就被各個(gè)行業(yè)大量應(yīng)用，例如：航空航天，雷達(dá)信號(hào)處理，取得很多實(shí)際成果。它的主要原理是：假設(shè)對(duì)每個(gè)時(shí)刻的系統(tǒng)擾動(dòng)和噪聲進(jìn)行線性統(tǒng)計(jì)，通過對(duì)含有噪聲的信號(hào)處理，依據(jù)最小均方差估計(jì)原則，求得誤差最小的真實(shí)信號(hào)的估計(jì)值。卡爾曼濾波的優(yōu)點(diǎn)是：具有不錯(cuò)的魯棒性，可以進(jìn)行實(shí)時(shí)處理，預(yù)測(cè)精度高；缺點(diǎn)是：由于是線性估計(jì)，若交通流量的非線性變化大，其結(jié)果準(zhǔn)確性會(huì)降低（，）。（3）非參數(shù)回歸預(yù)測(cè)方法非參數(shù)回歸預(yù)測(cè)方法不同于上述的歷史平均預(yù)測(cè)法和卡爾曼濾波模型的線性統(tǒng)計(jì)，它是對(duì)非線性、不確定的動(dòng)態(tài)系統(tǒng)進(jìn)行非參數(shù)建模（，；ith ，）。該方法僅

13、僅基于大量的歷史交通流數(shù)據(jù)，旨在計(jì)算和歷史交通數(shù)據(jù)相近點(diǎn)來預(yù)測(cè)未來某時(shí)刻的交通流量（樊娜，；，）。非參數(shù)回歸預(yù)測(cè)方法的優(yōu)點(diǎn)：計(jì)算方便，且當(dāng)數(shù)據(jù)量越大，預(yù)測(cè)越準(zhǔn)；缺點(diǎn)是：由于交通系統(tǒng)本身很復(fù)雜，故交通流量的組織不科學(xué)，無法應(yīng)對(duì)隨機(jī)干擾對(duì)結(jié)果精度的影響（李振龍，）。（4）灰色理論預(yù)測(cè)方法灰色理論的基礎(chǔ)是：看似雜亂無章的世界，其實(shí)是有序的，具有整體功能性。灰色理論預(yù)測(cè)方法的原理是：從海量數(shù)據(jù)中挖掘出數(shù)據(jù)內(nèi)部存在的關(guān)聯(lián)關(guān)系，繼而生成具有某種關(guān)聯(lián)關(guān)系的數(shù)據(jù)序列，然后建立相應(yīng)的數(shù)學(xué)公式，從而預(yù)測(cè)未來的交通流量。研究的主要對(duì)象是貧信息、小樣本系統(tǒng)。所謂貧信息可簡(jiǎn)單理解為只能獲取樣本的局部信息。灰色理論預(yù)測(cè)交

14、通流量的缺點(diǎn)是：對(duì)于突發(fā)狀況引起的環(huán)境變化，適應(yīng)新差，預(yù)測(cè)精度會(huì)降低（王鳳琴，）。（5）綜合模型(ln）預(yù)測(cè)方法由于交通流量具有高度的復(fù)雜性和隨機(jī)性，單一的交通流量預(yù)測(cè)方法只能適用于某一指定領(lǐng)域，加么多重非線性因素的干擾，急需發(fā)展綜合模型來預(yù)測(cè)交通流量。綜合模型預(yù)測(cè)方法顧名思義，就是將多種單一預(yù)測(cè)模型進(jìn)行融合使用，揚(yáng)長(zhǎng)避短，從而提高結(jié)果準(zhǔn)確性（郭海峰，；，）。常見的綜合模型預(yù)測(cè)方法有：基于小波理論的綜合模型和基于神經(jīng)網(wǎng)絡(luò)的綜合模型（）。現(xiàn)如今，已有互聯(lián)網(wǎng)地圖服務(wù)公司，例如：國(guó)外的，國(guó)內(nèi)的百度地圖、高德地圖，都提供了更加實(shí)用的通勤交通信息：實(shí)時(shí)路況查詢，用戶可以查詢到當(dāng)前以及未來一周內(nèi)任意時(shí)刻的交通流量，這無疑為人們的出行提供準(zhǔn)確的交通指導(dǎo)和幫助。各地圖服務(wù)公司提