城市道路交通流狀態(tài)辨識及決策方法研究.pdf

1、隨著城市交通問題日益突出，作為解決交通擁堵問題重要途徑的智能運輸系統(tǒng)（Intelligent Transportation Systems，ITS）的相關(guān)研究越加得到關(guān)注，尤其是先進(jìn)的交通管理子系統(tǒng)和出行者信息子系統(tǒng)的研究開發(fā)是解決交通問題的基礎(chǔ)。準(zhǔn)確的交通預(yù)測和狀態(tài)判別是實現(xiàn)交通實時誘導(dǎo)的關(guān)鍵，也是城市交通動態(tài)管理的重要內(nèi)容。
　　 通過短時交通流的特征分析，結(jié)合動態(tài)交通管理、交通流誘導(dǎo)的基本需求，從交通流預(yù)測和實時交通狀態(tài)決

2、策兩個方面研究城市交通流辨識方法：
　　 首先，根據(jù)短時交通流的隨機(jī)性和波動性，通過分析現(xiàn)有交通流預(yù)測方法很難滿足預(yù)測精度和預(yù)測時間尺度等問題，提出了基于小波的短時交通流預(yù)測方法。該方法利用小波分析理論將短時交通流分解成隨機(jī)和穩(wěn)定兩部分序列，根據(jù)各自特點分別采用馬爾科夫鏈和RBF 神經(jīng)網(wǎng)絡(luò)對各自時間序列進(jìn)行預(yù)測，將預(yù)測結(jié)果合并作為最終的預(yù)測值，并采用實驗數(shù)據(jù)驗證了該方法的在短時交通流預(yù)測中的有效性。
　　 其次，對于其他

3、更廣泛的交通流特性，考慮單項預(yù)測方法可能無法滿足預(yù)測精度的需要，為此將權(quán)重組合預(yù)測模型應(yīng)用于交通流短時預(yù)測。在綜合考慮了預(yù)測精度、運算復(fù)雜度的基礎(chǔ)上，將指數(shù)平滑法、自適應(yīng)灰色預(yù)測法以及基于小波分析的短時交通流預(yù)測方法利用最小二乘法進(jìn)行組合；同樣采用實驗數(shù)據(jù)對組合預(yù)測方法進(jìn)行驗證，相比基于小波分析的短時預(yù)測方法，該組合預(yù)測方法在預(yù)測精度上提高的并不是很理想，而且增加了運算量；同時也驗證了基于小波分析預(yù)測方法的廣泛適應(yīng)性。
　　 最