公路交通量预测的灰色1-ago方法

《公路交通量预测的灰色1-ago方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.paper.edu.cn公路交通量预测的灰色1-AGO方法陈团结，钱振东（教育部智能运输工程系统工程中心，江苏南京，210096）Email：demo555@126.com摘要：1-AGO方法是灰色系统理论中常用的方法，常用来处理灰色信息量较大的问题。公路交通量调查采用的是定时、定点方法对过往车辆进行统计，因此这种数据采集方法本身不能真正反映交通量大小的具体情况，只能给出一定的宏观规律。而利用这种采集方法得到的交通量调查数据就是一组灰色的带有噪音扰动的序列。所以要利用这些数据进

2、行交通量预测，首要任务是如何消除噪音并使数据白化。本文通过分析认为1-AGO方法能有效地消除交通量调查数据中的噪音，通过累加可以使数据序列白化。并且与其它建模技术结合得到的预测结果精度优于采用神经网络和直接非线性回归等建模方法的精度。关键词：1-AGO；交通量预测；灰色信息；神经网络；非线性回归TrafficVolumePredictionUsing1-AGOMethodChinTuan-jie，Qianzhen-dong(IntelligentTransportationSystemInstitu

3、te，SoutheastUniversity,JiangsuNanjing,210096)Abstract:1-AGOisthebasismethodinGraySystemTheory,whichisalwaysusedtodealwiththeproblemswithtoomuchgrayinformation.Whilethewaynowusedtocollectthetrafficvolumedatacannotresultinthetruefigurebutgeneralnumber.Th

4、atistosay,thedatagainedthiswaycontainmuchuncertaintyanddisturbance.Therefore,beforeusingthesedatatopredictthevolume,somemeasuresmustbetakentoeliminatetheerrorsinthedatacollected.Inthearticle,theauthortriestoprovethat1-AGOcangetridofthenoisesfromthedata

5、throughanalysisandcalculation.Andbycomparingwithothermethodsofprediction,suchasANNanddirectnonlinearregressionmethod,thearticlereachesaconclusionthat1-AGOmethodcombinedwithsomeregressionmethodsshowsmanybettercharactersintrafficvolumepredictionandnoisee

6、liminationfromdata.Keywords:1-AGO;trafficvolumeprediction;grayinformation;ANN;directnonlinearregression0前言交通量预测是道路设计和规划等非常重要的参数。对交通量预测的方法很多，其中包括经验回归、神经网络、弹性系数、灰色模型GM（1，1）等方法。国内对于交通量预测最常用的方法当属弹性系数法，此法是根据交通量增长与经济发展之间存在一定的关联性原理，以经济的宏观规划来预测交通量在不同阶段的增长速度，从而

7、可以得到不同时刻路段的交通量。但是，采用弹性系数法进行预测时，首先需要根据往年弹性系数的发展规律对未来弹性系数进行预估（一般认为经济发展初期弹性系数大于1，中期等于1，末期小于1），这使得交通量预测转化为弹性系数预测。由于经济指标及交通量指标在采集过程中总会存在些许人为误差，所以弹性系数值误差会因此有很大的增加。由此导致的交通量预测结果同样会出现更大的误差。为了避免这种缺陷，此处将采用灰色系统理论中的1-AGO方法对交通量1http://www.paper.edu.cn进行预测。11-AGO方法的概

8、念（0）＝（x（0）（1），x（0）（2），…，x（0）（n）） 定义：X为系统真实行为序列，而观测到的系统行为数据序列为X＝（x（1），x（2），…，x（n））（0）（1）+ε1，x（0）（2）+ε2，…，x（0）（n）+ε3） ＝（x（0）+ε ＝X其中ε=（ε1，ε2，…，εn）为冲击扰动项，则称X为冲击扰动序列。要从冲击扰动序列X出发，实现对真实行为序列X（0）的系统的变化规律正确的把握和认识，必须首先跨越障碍ε。如果不事先排除干扰，而用失真的数据直接建模、预