非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

基于K-邻域非参数回归短时交通流预测方法

实时、准确的短时交通流预测是交通控制与诱导中的一个关键问题和难点.非参数回归是解决短时交通流预测问题的较好方法,但是案例库生成难和搜索速度慢是其目前实际应用的两大障碍.为此,提出一种基于平衡二叉树的K-邻域非参数回归(KNN-NPR)的短时交通流预测方法,采用聚类方法和平衡二叉树结构建立案例数据库,以提高预测精度和满足实时性要求.给出了预测示例说明了方法的有效性.     

交通流量变模式辨识的非参数概率变点模型

交通流状态辨识是智能运输系统（ITS），尤其是其先进的交通管理系统（ATMS）和先进的出行者信息系统（ATIS）研究的一个重要内容。以往算法主要集中在交通流预辨识（即交通流预测）和交通流实时辨识（即事件检测或交通流突变检测）的研究上．而忽略对交通流关键参数量变模式的辨认。依据交通流理论，结合非参数变点统计方法，以在淄博市世纪路采获的自由车流数据的研究为例，首次建立对交通模式量变识别的非线性概率变点模型．对变点存在与否进行假设检验。并对变点发生（时间）位置的搜索算法作了详细研究。最后结合实地数据对本方法进行了标定和检验。验证了本方法的有效性和可行性。     

短时交通流混沌预测方法的比较

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,提出了将Volterra滤波器自适应预测模型用于短时交通流的实时预测。为提高预测精度,在Volterra滤波系数计算过程中采用归一化最小均方自适应算法进行多次训练。应用该预测模型对几个典型的非线性系统进行预测,验证了算法的准确性。然后再用此方法对微观实测交通流的时间序列进行实证分析。仿真结果表明,该预测模型对实测交通流时间序列具有很好的预测效果,可以满足实时交通流预测的需要。     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

基于微观仿真的快速路短时交通流预测研究

随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.为了能够及时准确地进行交通流短时预测,提出了一种以城市快速路为研究对象的以微硬仿真技术为基础的短时交通流预测的方法.该方法以实时的快速路交通流数据为基础,应用M3分布模型对车辆进行初始分布,基于约束卡尔曼滤波进行OD矩阵估计,利用微观交通仿真的方法对快速路的未来交通流进行预测.经过实测数据验证,算法能对交通参教给出较好的预测结果.     

基于混沌分析的道路网交通流短时预测

道路网交通流短时预测是实现智能交通控制和诱导系统的基础,本文以实时采集的交通流数据为基础,运用状态空间重构和G-P算法进行交通流短期特性研究.具体而言,通过分析交通流的混沌特性确定交通流率时间序列的嵌入维数,重构相空间,并以重构的交通流率时间序列作为输入采用Elman神经网络实现道路网多断面交通流率同时预测.研究结果表明,在道路网交通流短时预测方面Elman网络优于经典的BP网络,基于混沌时间序列分析的Elman网络不仅能够实现道路网多断面同时预测,且预测效果优于无重构的神经网络.     

考虑交通吸纳点的非参数回归组合型短时交通流预测方法

在城市路网中．交通吸纳点是非常重要的影响交通流量的因素。由于交通吸纳点增加了流量预测的复杂度．一般基于模型的智能算法也不能很好地解决有吸纳点的交通流预测问题。提出一种基于非参数回归的组合方法PCA—FC—NPR．即在对原始数据进行主成分分析PCA（Principal Component Analysis）和模糊聚类FC（Fuzzy Clustering）的基础上．采用以数据驱动的k-近邻非参数回归方法NPR（Non-Parametric Regression）加以解决。针对交通吸蚋点与检测器的位置关系采取不同预测算法。短时交通漉预测示倒结果证明俄方法的有效性。     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

一种在线实时快速地判定交通流混沌的组合算法

交通控制的实时性要求高，需要在线实时快速地判定交通流混沌，才可能实现交通流的混沌控制。计算时间序列的最大Lyapunov指数是判定混沌的主要方法。本文提出一种在线实时快速地判定交通流混沌的组合算法。该算法先用关联积分法（C—C方法）确定重构相空间的两个重要参数——嵌入维m和延迟时间τ，再用小数据量方法计算时间序列的最大Lyapunov指数。为检验算法的有效性，首先将算法用于几个最大Lyapunov指数已知的经典混沌系统，比较计算结果；同时对皮埃莱（Bierley）跟驰模型产生的理论交通流时间序列做了仿真试验，计算了其最大Lyapunov指数。实验结果表明这种算法可以用于数据少的交通流时间序列，并且抗噪性好。     

基于模糊C均值聚类和神经网络的短时交通流预测方法

短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明：所提出的方法的预测准确性明显地高于其他两种方法。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

短时交通流预测模型的分析与评价

从短时交通流预测定义出发，介绍短时交通流预测的原理及预测模型应具有的特性，重点介绍几种预测模型，对其建模的理论基础、特点及其可行性、有效性进行分析，并比较和评价各类预测模型。     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

城市与高速公路交通流复杂度的测度及比较

为实现短序列条件下交通流系统的可比化度量，引入非线性动力学中Lempel-Ziv算法、近似熵、统计复杂度等方法。通过分析14个实测城市和6个实测高速公路的交通流时间序列数据，研究不同条件下交通流复杂度的异同，得出结论：城市和高速公路交通流的复杂度都比较高；三种方法都可以解决传统刻画方法的“短序列、可比较”难题，能够应用于交通流系统的复杂性测度；城市交通流系统比高速公路交通流系统复杂。     

跟驰模型的交通流混沌转化现象的仿真

用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流.在一定参数组合情况下,仿真研究交通流车队中前后车辆的车头间距变化过程.通过分析这种车头间距的变化曲线,可以明显地观察到混沌吸引子的存在,说明基于跟驰模型产生的交通流存在混沌现象,从相图中清楚地观察到了交通流混沌运动和有序运动之间的转化过程.结合交通流的实际情况,对仿真结果作了分析,最后得出对于研究与应用交通流理论的有益结论.     

面向控制的城市快速路网宏观动态交通模型

针对我国城市交通特点，在改进经典的高速道路网宏观交通流模型METANET的基础上，提出了面向控制的城市快速路网宏观动态交通模型。该交通模型能够更好地描述快速路出口匝道流出能力受限、快速路主线起始点车流以及快速路主线车速控制等现象。对上海高架快速路的实际交通流数据进行了仿真研究，结果表明该模型较好地反映了城市快速路交通流的动态演化特征，可以作为城市交通控制系统分析和设计的有力工具。     

交通拥挤状态的识别与分析

以交通流理论为基础，用车速年口车流密度泉描述车流的运行状态。把“密度-速度”曲线图中车速、车流密度、畅行速度三者所围的三角形面积看作的交通拥挤损失量．将交通拥挤度定义为车流运行状态相对于畅行状态时的损失率．推导出拥挤度的计算公式，将该佘式作为拥挤度的判定方法。假定道路上的车流服从用户平衡配流原则，则用户平衡状态时的车流运行状态即为拥挤平衡状态。用数值仿真的方法分析拥挤度随车流密度的变化趋势，及拥挤平衡的变化趋势。