交通預(yù)測(cè)方法

1、交通需求猜想方法08級(jí)交通工程2班 陳剛0803030218第一章短時(shí)（微觀）交通需求猜想短時(shí)（微觀）交通猜想，與中觀和宏觀意義上的以小時(shí)、天、月甚至是以年計(jì)算的基于 交通規(guī)劃的戰(zhàn)略猜想有著本質(zhì)區(qū)分。短于15分鐘的交通流猜想稱(chēng)為短時(shí)交通流猜想?，F(xiàn)階段的猜想方法如下：一、非參數(shù)回歸模型非參數(shù)回歸模型是近幾年興起的一種適合非線性的、不確定的動(dòng)態(tài)系統(tǒng)的非參數(shù)建模方 法。它不需預(yù)備學(xué)問(wèn)，只需足夠的歷史數(shù)據(jù)，查找歷史數(shù)據(jù)中與當(dāng)前交通特征相像點(diǎn)，并用 那些相像點(diǎn)猜想現(xiàn)階段交通下一時(shí)刻值。因此,特殊是在有突發(fā)性大事時(shí)，猜想結(jié)果要比參 數(shù)建模的方法精確。非參數(shù)回歸作為一種無(wú)參數(shù)，可移植、高猜想精度的算法，它的

2、誤差比擬小，且誤差分 布狀況良好。尤其通過(guò)對(duì)搜尋算法和參數(shù)調(diào)整規(guī)章的改進(jìn)，使其可以真正到達(dá)實(shí)時(shí)交通流猜 測(cè)的需求。并且這種方法便于操作實(shí)施，能夠應(yīng)用于簡(jiǎn)單環(huán)境，可在不同的路段上進(jìn)行便利 地猜想。二、歷史平均模型法算法定義為V5ew） = AV + （l A）V（。/）。式中，丫（必打）代表某路段在肯定時(shí)間間隔內(nèi)新的交通流量；V（d）代表該路段在相同時(shí)間間隔內(nèi)舊的交通；V為交通流量；A為 平滑系數(shù)。歷史平均模型算法簡(jiǎn)潔，參數(shù)可用最小二乘法進(jìn)行估量計(jì)算，可以在肯定程度內(nèi)解決 不同時(shí)間、不同時(shí)段里的交通流變化問(wèn)題。但它不能反映動(dòng)態(tài)交通流基本的不確定性與非線 性的特點(diǎn),尤其無(wú)法克服隨機(jī)干擾因素的影響，

3、沒(méi)有方法應(yīng)對(duì)交通系統(tǒng)中的突發(fā)性事故。三、神經(jīng)網(wǎng)絡(luò)模型先進(jìn)的交通掌握系統(tǒng)不僅應(yīng)具備已有系統(tǒng)的優(yōu)點(diǎn)，更為重要的是要能充分采用不斷積 累的閱歷,有效地產(chǎn)生掌握策略，使模型具有依據(jù)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)、閱歷積累和不斷完善 的力量。鑒于這樣的進(jìn)展思路和要求，神經(jīng)網(wǎng)絡(luò)由于其自身特有的自適應(yīng)性和自學(xué)習(xí)的優(yōu)勢(shì), 在實(shí)時(shí)交通流猜想領(lǐng)域的應(yīng)用變得特別活躍。其是在交通流量猜想方面很有潛力的一種模 型。其中比擬有代表性的有：BP神經(jīng)網(wǎng)絡(luò)模型（及其改進(jìn)模型）、單元神經(jīng)網(wǎng)絡(luò)模型、基于 譜分析的神經(jīng)網(wǎng)絡(luò)模型、高階廣義神經(jīng)網(wǎng)絡(luò)模型、模糊神經(jīng)網(wǎng)絡(luò)模型等。四、時(shí)間序列模型Ahmed和Cook于1979年首次在交通流猜想領(lǐng)域提出了時(shí)間

4、序列模型。經(jīng)過(guò)肯定的進(jìn)展， 其中比擬有代表性的有ARIMA0模型、ARIMA模型、（0, 1, 1）模型等。下面重點(diǎn)介紹ARIMA 模型。ARIMA模型假定數(shù)據(jù)序列是由某個(gè)隨機(jī)過(guò)程產(chǎn)生的，它把事物在某一固定時(shí)刻的狀態(tài)視 為一個(gè)隨機(jī)過(guò)程，采用隨機(jī)過(guò)程去分析描述事物的進(jìn)展趨勢(shì)。ARIMA模型又稱(chēng)為自回歸求積 移動(dòng)平均模型。ARIMS模型猜想將來(lái)觀測(cè)值可以依據(jù)以下步驟進(jìn)行：一是識(shí)別時(shí)間序列的平穩(wěn)性；二是 數(shù)據(jù)進(jìn)行平穩(wěn)化處理；三是依據(jù)時(shí)間序列模型的識(shí)別規(guī)章，建立相應(yīng)的模型；四是進(jìn)行參數(shù) 估量，估量暫定的模型參數(shù)，檢驗(yàn)是否具有統(tǒng)計(jì)意義；五是進(jìn)行假設(shè)檢驗(yàn)，診斷白噪聲。ARIMA模型特殊適用于穩(wěn)定的交通流，

5、但是當(dāng)交通狀況變化過(guò)大時(shí)，由于計(jì)算量過(guò)大, 該模型將在猜想延遲方面暴露出明顯的缺乏。此外，該模型基本上是從純時(shí)間序列分析的角 度進(jìn)行猜想，并沒(méi)考慮上下游路段之間的流量關(guān)系。五、卡爾曼濾波模型卡爾曼濾波理論是Kalman于1960年提出的，是一種在現(xiàn)代掌握理論中廣泛應(yīng)用的先進(jìn)方 法。它在很多領(lǐng)域得到了應(yīng)用，如統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)等。隨后，有學(xué)者將其運(yùn)用到交通領(lǐng)域, 用于猜想交通流?？柭鼮V波模型具有猜想因子選擇敏捷、精度較高等優(yōu)點(diǎn)，是最好的猜想方法之一。且 模型的猜想精度隨猜想時(shí)間間隔的變化不大，這說(shuō)明方法的強(qiáng)壯性很好。但是，由于模型的 基礎(chǔ)是線性估量模型，所以當(dāng)猜想間隔小于5min時(shí)，交通流量變化的

6、隨機(jī)性和非線性性再 強(qiáng)一些時(shí)，模型的性能是否會(huì)變差，還沒(méi)有得到進(jìn)一步確實(shí)認(rèn)。此外，由于在每次計(jì)算時(shí)都 要調(diào)整權(quán)值，需要作大量的矩陣和向量運(yùn)算，導(dǎo)致算法較為簡(jiǎn)單，難以用于實(shí)時(shí)在線猜想, 猜想輸出值有時(shí)要延遲幾個(gè)時(shí)間段。在卡爾曼濾波理論的基礎(chǔ)上，又衍進(jìn)了多種理論，如：線性濾波、非線性濾波、自適應(yīng) 濾波、粗正交小波網(wǎng)絡(luò)以及各種簡(jiǎn)化的濾波方法。六、自適應(yīng)權(quán)重模型它的基本思想是：給交通流狀況的各個(gè)影響因素安排權(quán)重。定義可以實(shí)時(shí)監(jiān)測(cè)到的路況 指標(biāo)，比方猜想間隔時(shí)間、突發(fā)大事、與天氣有關(guān)的因素、道路占有率、平均路網(wǎng)行駛時(shí)間 等，作為權(quán)重選擇的依據(jù)。此方法由于以線性回歸模型為基礎(chǔ)，所以相對(duì)來(lái)說(shuō)計(jì)算簡(jiǎn)潔，易 于

7、實(shí)現(xiàn)，從而便于大規(guī)模應(yīng)用；而且采集路況指標(biāo)用以轉(zhuǎn)變權(quán)重的方法也簡(jiǎn)潔易行，實(shí)時(shí)性 較強(qiáng)。指標(biāo)選擇敏捷是這種猜想模型的一個(gè)特點(diǎn)，但是卻不行避開(kāi)地增加了主觀性。比擬有代表性的如：基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)權(quán)重模型等。其次章宏觀交通需求猜想一、馬爾科夫猜想法新建一條大路，將必定吸引局部交通量。從相關(guān)道路轉(zhuǎn)移到新建大路上的交通量一般構(gòu) 成了新建大路的基本交通量。因此確定轉(zhuǎn)移交通量對(duì)新建大路的交通量分析和猜想起著特別 重要的作用，不行低估或忽視。轉(zhuǎn)移交通量常依據(jù)0D調(diào)查資料來(lái)計(jì)算。大路新建工程的0D 調(diào)查由于人力、資金、時(shí)間等緣由，往往只能在一個(gè)較短的時(shí)間內(nèi)進(jìn)行。因此只好采納靜態(tài) 分析以轉(zhuǎn)移狀態(tài)去確定今后的轉(zhuǎn)移

8、交通量。但因未考慮轉(zhuǎn)移交通量的變化及其進(jìn)展，在很大 程度上影響了新建大路遠(yuǎn)景交通量猜想的精確 性和實(shí)際效果。假如使用馬爾科夫 猜想法即可以解決這一問(wèn)題。馬爾科夫猜想法是一種動(dòng)態(tài)隨機(jī)數(shù)學(xué)模型，它把猜想對(duì)象作為一個(gè)系統(tǒng)，采用“狀態(tài)” 和“狀態(tài)轉(zhuǎn)移”進(jìn)行猜想。這里的狀態(tài)是指系統(tǒng)的初始狀態(tài)；狀態(tài)轉(zhuǎn)移是指狀態(tài)轉(zhuǎn)移概率, 它是系統(tǒng)內(nèi)部機(jī)制的表現(xiàn)，打算系統(tǒng)猜想的結(jié)果。而新建大路一般缺少調(diào)查年以前的0D資 料，有時(shí)有一些資料也因時(shí)間、地點(diǎn)、方式等不同而無(wú)法取用。當(dāng)采用調(diào)查年的0D資料計(jì) 算狀態(tài)轉(zhuǎn)移概率時(shí)，就會(huì)缺乏計(jì)算初始狀態(tài)的數(shù)據(jù)。模型的一個(gè)顯著特點(diǎn)解決了這一難題。 這個(gè)特點(diǎn)是猜想過(guò)程在較長(zhǎng)時(shí)間下漸漸趨于穩(wěn)定

9、，而與原始條件無(wú)關(guān)。依據(jù)上述實(shí)際狀況, 在應(yīng)用馬爾科夫猜想法猜想轉(zhuǎn)移交通量時(shí)僅考慮狀態(tài)轉(zhuǎn)移概率，而不考慮初始狀態(tài)。詳細(xì)的 使用步驟如下：1計(jì)算狀態(tài)轉(zhuǎn)移概率矩陣；2 0D分區(qū)交通量轉(zhuǎn)移率的猜想；3相關(guān)道路交通量轉(zhuǎn)移系數(shù)確實(shí)定確定相關(guān)道路交通量轉(zhuǎn)移系數(shù)時(shí)一般分為兩種狀況，一是不考慮0D分區(qū)中本區(qū)內(nèi)的交 通量轉(zhuǎn)移；二是考慮。當(dāng)考慮0D分區(qū)中本區(qū)內(nèi)的交通量轉(zhuǎn)移時(shí)，可不必經(jīng)過(guò)下面3.1,3.2 兩步，而直接進(jìn)行第3. 3步計(jì)算。3. 1 0D分區(qū)轉(zhuǎn)移比重此比重是指每一起點(diǎn)區(qū)發(fā)生的交通量占全部0D區(qū)總交通量的比重。這一步計(jì)算是為第 3. 2步計(jì)算相關(guān)道路交通量轉(zhuǎn)移系數(shù)做預(yù)備。3. 2相關(guān)道路交通量轉(zhuǎn)移系數(shù)

10、矩陣3. 3確定相關(guān)道路交通量轉(zhuǎn)移系數(shù)依據(jù)相關(guān)道路交通的猜想，乘以相應(yīng)的轉(zhuǎn)移系數(shù)，就可以計(jì)算出各猜想的轉(zhuǎn)移交通量。二、基于DS證據(jù)理論的交通擁堵猜想方法D一S證據(jù)理論是由A. P. Dempster于1967年提出，后由G.Shafer加以擴(kuò)充和進(jìn)展的一 種信息融合方法。D-S證據(jù)理論可處理由不知道所引起的不確定性。它采納信任函數(shù)而不 是概率作為度量，通過(guò)對(duì)一些大事加以約束以建立信任函數(shù)而不必說(shuō)明精確的難以獲得的概 率，具有較大的敏捷性。理論中，為了描述和處理不確定性，引入了概率安排函數(shù)、信任函 數(shù)及似然函數(shù)等概念。在DS理論中，由一個(gè)證據(jù)可確定一個(gè)基本概率指派，從而確定一個(gè)信念函數(shù)。因此 D

11、empster組合規(guī)章又稱(chēng)為證據(jù)的組合規(guī)章，D-S理論又稱(chēng)為證據(jù)理論。三、PECAS城市用地和交通集成化模型系統(tǒng)PECAS是生產(chǎn)、交易和消費(fèi)分派系統(tǒng)。該模型系統(tǒng)建立在一個(gè)綜合的供求平衡的結(jié)構(gòu)下, 運(yùn)用不同的技術(shù)參數(shù)以及購(gòu)銷(xiāo)兩情的市場(chǎng)機(jī)制，來(lái)模擬各行業(yè)活動(dòng)生產(chǎn)和消費(fèi)的各種產(chǎn)品從 生產(chǎn)市場(chǎng)到消費(fèi)市場(chǎng)的各自流通過(guò)程。這些產(chǎn)品包括商品、服務(wù)、勞工、用地等。產(chǎn)品從生 產(chǎn)市場(chǎng)到交易市場(chǎng)，再?gòu)慕灰资袌?chǎng)到消費(fèi)市場(chǎng)的交通量時(shí)依據(jù)產(chǎn)品的供求關(guān)系、區(qū)位、交通 （負(fù)）效用等，運(yùn)用NL模型加以分派/分布的。產(chǎn)品加載到交通（道路或公交）網(wǎng)絡(luò)上，進(jìn) 而確定網(wǎng)絡(luò)加載條件下的交通負(fù)效用。另一方面，在購(gòu)銷(xiāo)平衡條件下確定的各類(lèi)用地

12、數(shù)量及 其交易價(jià)格那么被輸入到用地開(kāi)發(fā)模型中，用來(lái)模擬開(kāi)放商的反響行為。系統(tǒng)可以對(duì)每一年度 的生產(chǎn)、交易和消費(fèi)等活動(dòng)進(jìn)行模擬，再通過(guò)交通負(fù)效應(yīng)和用地區(qū)位效用的相應(yīng)變化，來(lái)影 響下一年度的各類(lèi)活動(dòng)，包括出行行為。PECAS在實(shí)際應(yīng)用中的困難之一是數(shù)據(jù)的的收集和模型參數(shù)的估量和標(biāo)定。PECAS模型 系統(tǒng)考慮的變量很多，這有利于更加真實(shí)的反映現(xiàn)實(shí)世界,但也引入了很多待以標(biāo)定的參數(shù)。 這些參數(shù)既相互影響，也影響其他的模型變量，其間的影響機(jī)制是特別簡(jiǎn)單的。由此，PECAS 運(yùn)用貝葉斯的系列估量方程式，來(lái)從統(tǒng)計(jì)學(xué)上估量模型的一些統(tǒng)計(jì)參數(shù)。在模型的標(biāo)定過(guò)程 中，那么使模型的另一些技術(shù)參數(shù)指標(biāo)與一系列目標(biāo)值相

13、符。同時(shí)，通過(guò)實(shí)踐應(yīng)用的過(guò)程，來(lái) 積累數(shù)據(jù)，優(yōu)化參數(shù)標(biāo)定方法，法律規(guī)范參數(shù)的通用值，以減輕模型標(biāo)定的難度。在應(yīng)用方面，美國(guó)的很多州正在使用該模型建立州域范圍內(nèi)的用地分析和交通猜想模 型。四、Gompertz模型居民出行發(fā)生量猜想是交通需求猜想的一個(gè)重要組成局部，通常用Gompertz模型進(jìn)行 模擬，其是交通需求猜想中的經(jīng)典模型。目前在交通需求猜想方面，Gompertz模型因具有簡(jiǎn)潔適用的特點(diǎn)得到了廣泛使用，但 使用Gompertz模型估算居民交通出行時(shí)，其系數(shù)通常依據(jù)相關(guān)城市狀況類(lèi)比估算得到，缺 乏理論依據(jù)和數(shù)據(jù)基礎(chǔ)，在肯定程度上影響了交通需求猜想結(jié)果的可信度。第三章結(jié)語(yǔ)基于確定的數(shù)學(xué)模型的猜想方法越來(lái)越不能滿意實(shí)際精度的要求。鑒于道路交通系統(tǒng)的 非線性、簡(jiǎn)單性和不確定性的基本特點(diǎn)，很多無(wú)模型的猜想算法被應(yīng)用到交通需求猜想中來(lái), 取得了較好的實(shí)際效果。同時(shí)，由于各種高新技術(shù)學(xué)科之間的穿插，各種組合猜想模型，如 神經(jīng)網(wǎng)絡(luò)理論與遺傳算法、模糊理論、