分车型的高速公路短时交通流量预测方法研究.pdf

《分车型的高速公路短时交通流量预测方法研究.pdf》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、第32卷第7期2015年7月计算机应用研究ApplicationResearchofComputersV01．32No．7Jul．2015分车型的高速公路短时交通流量预测方法研究周桐1’2，杨智勇1’2，孙棣华2，魏方强2(1．重庆工程职业技术学院信息工程学院，重庆400037；2．重庆大学自动化学院，重庆400044)摘要：针对混合交通流中车辆类型的不确定性和随机性，导致了直接对总车流量进行预测时难以获得较高的预测精度问题，提出一种分车型的流量预测方法。依据各种车型的车流量变化规律不同的特点，选用改进的时间序列算法对大型车和拖挂车的流量进行预测，选用二次指数平滑法对小客

2、车和中型车的流量进行预测；然后通过车辆折算系数将各车型的流量预测值进行加权求和，从而得到总车流量预测值；最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证，并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比。实验结果表明，无论在工作日还是节假日，分车型的流量预测方法均具有更高的预测精度，该结果为进一步提高高速公路管控能力建立了基础。关键词：交通流；短时预测；分车型；时间序列；二次指数平滑中图分类号：TP391文献标志码：A文章编号：1001．3695(2015)07—1996—04doi：10．3969／j．issn．1001-3695．2015．

3、07．020Researchonforecastmethodofshort—termfreewaymixedtrafficflowZhouTon91”，YangZhiyon91”，SunDihua2，WeiFangqian92(1．SchoolofInformationEngineering，ChongqingVocationalInstituteofEngineering，Chongqing400037，China；2．CollegeofAutomation，ChongqingUniversity，Chongqing400044，China)Abstract：Mixed

4、trafficflowsbehaveuncertaintyandrandomfeature，whichleadtotraditionalforecastmethodhaslowpre—dictionprecision．Thispaperproposedanewmulti—typevehiclesforecastmethodoftheshort-termfreewaytrafficflow．Basedonthechangelawoftrafficflowofthevarioustypevehicleswasdifferent，itusedimprovedtimeseries

5、methodtoforecasttheflowvalueoflargetypecarandtrailer，andusedsecondexponentialsmoothingmethodtoforecasttheflowvalueofsmalltypecarandmiddletypecar，thenobtainedthepredictionvalueofthemixedtrafficflowbyweightaveragemethodonthebasicofvehicleconversionfactor．Finally，comparedwithnonparametricreg

6、ressionmodelandtraditionaltimeseriesmodel，theresultsofexperimentshowsthatthenewmethodcanincreasetheforecastingaccuracyofshort-termfreewaytrafficflowonweekdaysorholidays，andtheresultscansupplythefoundationtofurtherimprovetheabilityofhighwaymanagementandcontr01．Keywords：trafficflow；short·ti

7、meprediction；muhi-typevehicle；timeseriesmethod；secondexponentialsmoothingmethod0引言高速公路高精度短时交通流预测能够为交管部门的管理和控制提供决策和支持，对保证高速公路正常运行具有重要的实际意义⋯。对于短时交通流量预测，早期的预测方法有指数平滑法、时间序列法、卡尔曼滤波方法等，随着最优化理论及数理统计学等理论的发展，又出现了一些新的方法，如神经网络、支持向量机等’2。J，这些方法均能在一定程度上预测车流量，但对混合交通流中分车型的车流预测相关研究较