突發(fā)事件下道路交通流預(yù)測方法研究.pdf

1、隨著我國經(jīng)濟的飛速發(fā)展，交通需求也日益增加，隨之而來的交通事故也大幅提升，由突發(fā)事件引起的道路擁堵、環(huán)境污染和安全問題，已引起交通管理者和交通領(lǐng)域科研學(xué)者的廣泛關(guān)注。突發(fā)事件狀態(tài)下的交通流具有突變、偶發(fā)及非線性的特征，其內(nèi)部機理和功能之間的復(fù)雜性、關(guān)聯(lián)性尚未得到足夠的重視。
　　實時準(zhǔn)確地對事發(fā)路段的交通流進(jìn)行快速預(yù)測不僅有助于提高道路交通管理水平，也有助于人們更合理的規(guī)劃自身的出行路徑和時間。當(dāng)前在交通流預(yù)測領(lǐng)域存在很多預(yù)測方法

2、，例如基于時間序列數(shù)據(jù)的ARIMA預(yù)測法、基于空間狀態(tài)數(shù)據(jù)的卡爾曼濾波預(yù)測法和基于時空數(shù)據(jù)的支持向量機預(yù)測法，這些預(yù)測方法一方面，預(yù)測流程較復(fù)雜，且需要對模型的參數(shù)進(jìn)行多次設(shè)置。另一方面，在預(yù)測過程中都未考慮事件對交通流預(yù)測準(zhǔn)確度的影響。
　　針對上述問題，本文從突發(fā)事件下道路交通流的時空特性入手，深入分析了事件狀態(tài)下各相鄰路段上檢測器交通流數(shù)據(jù)的時空相關(guān)性，提出了一種考慮事件因素的隨機森林預(yù)測法，最終通過實際數(shù)據(jù)驗證了本方法的有

3、效性。本文的研究成果概括如下:
　　(1)提出了基于122報警信息的交通事件獲取方法，建立了北京市地名地址空間位置信息數(shù)據(jù)庫，在此基礎(chǔ)上通過“分層分塊”的地名數(shù)據(jù)組織方式，提取相應(yīng)層和相應(yīng)區(qū)域的地名作為地名詞典。同時以交通事件的空間位置信息為基礎(chǔ)，將檢測器采集的交通流數(shù)據(jù)進(jìn)行標(biāo)識，從而知道每個數(shù)據(jù)的具體狀態(tài)。
　　(2)以獲取的交通事件為基礎(chǔ)，將采集的交通流數(shù)據(jù)劃分為:有事件時的交通流數(shù)據(jù)和無事件時的交通流數(shù)據(jù)，通過對事件狀

4、態(tài)下交通流速度變化規(guī)律的研究，發(fā)現(xiàn)突發(fā)事件狀態(tài)下相鄰檢測器的數(shù)據(jù)具有很強的時空相關(guān)性。
　　(3)以交通流的時空相關(guān)性和獲取的交通事件為基礎(chǔ)，考慮突發(fā)事件本身的因素，將分類后的數(shù)據(jù)，分別用時間序列數(shù)據(jù)和空間狀態(tài)數(shù)據(jù)作為隨機森林、ARIMA和卡爾曼濾波算法的輸入，對突發(fā)事件下的交通流進(jìn)行預(yù)測。
　　(4)為更好的提高預(yù)測精度，提出了一種數(shù)據(jù)時空融合的預(yù)測方法，該方法主要是借助最小二乘法將時間序列數(shù)據(jù)預(yù)測法和空間序列預(yù)測法獲得的