連續(xù)交通流狀態(tài)的離散特性分析與短時預測.pdf

1、城市化和車輛保有量的快速增長引起嚴重的地面交通擁堵問題。作為緩解交通擁堵的有效方法之一，智能運輸系統(tǒng)(ITS)得到了快速的發(fā)展，其中主動、可靠和實時的交通管理和控制系統(tǒng)是ITS的核心系統(tǒng)之一，其建設(shè)與研發(fā)需要有效、可靠和實時的短時交通流預測技術(shù)體系支撐，包括交通狀態(tài)的一階均值預測和二階離散區(qū)間預測。長期以來，在交通流狀態(tài)的一階均值預測領(lǐng)域已有大量研究，然而在交通流狀態(tài)的二階離散區(qū)間預測方向，研究相對較少，尚處在初期階段。本論文針對連續(xù)交

2、通流，在詳細分析交通流狀態(tài)的一階均值預測進展基礎(chǔ)上，重點開展交通流狀態(tài)的二階離散特征的分析建模和實時預測研究，主要研究結(jié)論總結(jié)如下。
　　首先，開展了全面的國內(nèi)外研究現(xiàn)狀分析，發(fā)現(xiàn)時域時間序列分析方法可顯式描述交通流狀態(tài)的一階特征，并和卡爾曼濾波技術(shù)相結(jié)合，實現(xiàn)交通流狀態(tài)均值的實時、有效預測;同時發(fā)現(xiàn)當前交通流二階離散區(qū)間建模方法主要包括Bootstrap、GARCH和SV三種，指出GARCH方法目前應(yīng)用最為廣泛，但對交通流二階離

3、散特征的研究還需深入。
　　其次，系統(tǒng)分析了交通流的異方差性，包括組內(nèi)異方差、時間匯集度對條件異方差的影響和條件異方差季節(jié)性三個方面，發(fā)現(xiàn)交通流參數(shù)的組內(nèi)方差序列具有顯著的規(guī)律性，并可利用時域時間序列模型進行建模和預測;交通流參數(shù)序列在不同時間匯集度上都具有顯著的條件異方差性，且增大時間匯集度可一定程度上降低該特性，但并不能完全消除該特性;交通流二階離散特征具有顯著的季節(jié)變化特征，需要在交通流二階離散特征建模和預測時加以考慮。

4、r>　　然后，基于交通流的二階季節(jié)特征，建立了季節(jié)調(diào)整因子法，給出了季節(jié)調(diào)整因子的計算公式，分析了季節(jié)調(diào)整因子的特性，展示了季節(jié)調(diào)整因子消除交通流二階季節(jié)特征的效果，并通過和傳統(tǒng)的GARCH模型進行對比分析，表明了所提出的季節(jié)調(diào)整因子方法可有效提高交通流二階離散特征的建模性能。
　　最后，針對交通管理和控制系統(tǒng)的實時性要求，給出了涵蓋交通流一階特征和二階特征的交通流序列綜合時間序列模型，并主要針對交通流二階特征，考慮季節(jié)調(diào)整因子的