道路交通流状态的多参数融合预测方法.pdf

《道路交通流状态的多参数融合预测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、物理学报ActaPhys．Sin．Vo1．61，No．16(2012)169501道路交通流状态的多参数融合预测方法冰马庆禄)3)十刘卫宁)3)孙棣华2)1)(重庆大学计算机学院，重庆400044)2)(重庆大学自动化学院，重庆400044)3)(信息物理社会可信服务计算教育部重点实验室，重庆400044)(2011年12月17日收到；2012年2月6日收到修改稿)针对道路交通流普遍存在的混沌特性以及单交通参数不足以全面反映交通流状态的实际情况，考虑交通动力学系统中多个交通参数之间的关联关系，提出一种新的多参数混沌时间序列预测算法．该算法在相空间重构理论的基础上

2、，借助Bayes估计将多个参数在同一高维相空间中进行相点最优融合，从而增加重构相空间的系统信息量，使得相空间的相点轨迹更加逼近原交通系统的动力学行为．同时借鉴单参数混沌时间序列预测方法，从不同角度对动力学系统的运动状态进行描述，以实现多参数时间序列的混沌预测．实验结果表明，通过融合多交通参数时间序列，获得了更加完整的交通流状态变化特征．与单交通参数时间序列的预测结果相比，其预测误差显著降低，均衡系数相应增大，提高了交通流状态预测的准确率．关键词：交通参数，交通状态，预测，相空间重构PACS：95．75．Wx45．70．Vn05．45．Tp通系统本身错综复杂的运动

3、过程，不能适应当前时变且复杂的实际道路交通环境．近年来，随着非线1引言性动力学系统，特别是混沌理论的不断发展，为从近年来，随着社会经济不断发展，机动车保有交通系统固有的随机性和复杂性角度研究交通状量急剧增加，使得道路交通压力愈来愈大，交通拥态预测提供了一条全新的途径．在混沌理论的研究堵问题愈显突出．如何对未来一段时间内交通流状中，混沌时间序列的建模与预测已成为混沌信息处态的变化趋势进行准确预测，是制定拥堵缓解措施理领域中的一个研究热点[9,10]，其目的是使预测模的重要基础之一，对于做到早发现、早预防、早处型更好地逼近实际的物理过程，从而提高预测的可理具有重要的

4、学术意义和实用价值．靠性和实用性．理论上，如果嵌入维数选取合理，单交通系统是一个开放、时变和非线性的复杂参数时间序列也可取得较理想的预测效果，但在实系统，受诸如气象、地理、人类活动等客观因素的际问题中，由于具有混沌行为的复杂系统往往是由影响，在宏观上表现为道路交通流状况的不断变化．多个参数描述的，其单参数时间序列并不能保证完已有文献表明[1-a】，交通状态预测可以增强交通流备地重构原系统．考虑到多参数时问序列比单参数的稳定性．借助于交通服务水平的描述[4]’交通状时间序列包含更多原动力系统的相关信息，能重构态可划分为1一畅通、2一缓慢、3一拥挤、4一阻塞．这出更

5、为准确的相空间[1lJ，且多参数时间序列通常样既保留了交通流状况变化之间的顺序关系，也便可以通过检测或实验获取，因此，如果通过多参数于模型处理．目前常用的交通状态预测方法有时间融合可以反映出更为完备的交通流状态特征，则可序列法【5，6】、神经网络法【7]、灰色系统法[8】等，这以将基于多交通参数的状态变化过程表述为一维些基于单个交通参数的预测模型难以充分反映交时问序列形式，以便于下一时段交通状态的预测．高等学校博士学科点专项科研基金(批准号：20090191110022)资助的课题．tE—mail：qinglma@gmail．com⑥2012中国物理学会Chin

6、esePhysicalSocietyht纫：／／wulixb．iphy．ac．cn物理学报Actal'kys．Sin。Vo1．61，No。16(2012)169501由于各交通参数之间存在耦合关系[12]，因此，算结果通过增加重构相空间的系统信息量建立多交通参数混沌时间序列预测模型，可使相空间中相点的运2．2高维相空间中的相点融合动轨迹更接近真实的交通状况．该预测方法选取多文献[18]提出一种高维相空间上的相点融合个邻近参考点对各参数进行高维相点融合，并对融算法，并证明了融合后的新空间轨迹包含了原空间合后的新参数时间序列进行一步或多步预测，实验轨迹的主要特征，其

7、吸引子呈现出原空间中单参数结果表明该方法具有较高的预测精度．的重构特征，能够近似地逼近系统的真实状态．采用文献【18]中的方法对高维相空间中多个交通参2多参数时间序列的相空间重构及其数进行状态融合，并把融合后的评价状态称为多参参数计算方法数状态．具体方法如下．假设M个交通参数被归一化后映射到多维相2．1多参数时间序列重构空间中，需要融合的相点集合为根据Takens定理[13]，动力系统的演化信息隐Dk=[1，十(q一1)r；Y2，+(q一1)r；⋯；YM，+(q一1)]含在任一分量的发展过程中，对于单参数时间序(k=1，2，3，⋯，M；q=1，2，3，⋯，m)，

8、(3)列{t)(i=1，