城市道路交通流狀態(tài)辨識(shí)及決策方法研究.pdf

1、隨著城市交通問(wèn)題日益突出，作為解決交通擁堵問(wèn)題重要途徑的智能運(yùn)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(kāi)發(fā)是解決交通問(wèn)題的基礎(chǔ)。準(zhǔn)確的交通預(yù)測(cè)和狀態(tài)判別是實(shí)現(xiàn)交通實(shí)時(shí)誘導(dǎo)的關(guān)鍵，也是城市交通動(dòng)態(tài)管理的重要內(nèi)容。
　　 通過(guò)短時(shí)交通流的特征分析，結(jié)合動(dòng)態(tài)交通管理、交通流誘導(dǎo)的基本需求，從交通流預(yù)測(cè)和實(shí)時(shí)交通狀態(tài)決

2、策兩個(gè)方面研究城市交通流辨識(shí)方法：
　　 首先，根據(jù)短時(shí)交通流的隨機(jī)性和波動(dòng)性，通過(guò)分析現(xiàn)有交通流預(yù)測(cè)方法很難滿足預(yù)測(cè)精度和預(yù)測(cè)時(shí)間尺度等問(wèn)題，提出了基于小波的短時(shí)交通流預(yù)測(cè)方法。該方法利用小波分析理論將短時(shí)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(diǎn)分別采用馬爾科夫鏈和RBF 神經(jīng)網(wǎng)絡(luò)對(duì)各自時(shí)間序列進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果合并作為最終的預(yù)測(cè)值，并采用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了該方法的在短時(shí)交通流預(yù)測(cè)中的有效性。
　　 其次，對(duì)于其他

3、更廣泛的交通流特性，考慮單項(xiàng)預(yù)測(cè)方法可能無(wú)法滿足預(yù)測(cè)精度的需要，為此將權(quán)重組合預(yù)測(cè)模型應(yīng)用于交通流短時(shí)預(yù)測(cè)。在綜合考慮了預(yù)測(cè)精度、運(yùn)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(cè)法以及基于小波分析的短時(shí)交通流預(yù)測(cè)方法利用最小二乘法進(jìn)行組合；同樣采用實(shí)驗(yàn)數(shù)據(jù)對(duì)組合預(yù)測(cè)方法進(jìn)行驗(yàn)證，相比基于小波分析的短時(shí)預(yù)測(cè)方法，該組合預(yù)測(cè)方法在預(yù)測(cè)精度上提高的并不是很理想，而且增加了運(yùn)算量；同時(shí)也驗(yàn)證了基于小波分析預(yù)測(cè)方法的廣泛適應(yīng)性。
　　 最