交通流预测模型综述

交通流预测模型综述

摘要：

随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。为了缓解交通压力，交通专家也提出了各种不同的方法。在交通网络越来越复杂的今天，交通流预测在智能交通系统中是个热门的研究领域，因为正确的交通流预测，可以进行实时交通信号控制，交通分配、路径诱导、自动导航，事故检测等。本文从交通流短期预测模型出发，分析常见预测模型的优缺点，得出综合模型进行预测将是交通流预测领域的发展趋势。 关键字：交通流预测，智能交通系统，综合模型

Traffic flow predictive models review

Abstract:

With the development of society, traffic accidents, traffic jams, environmental pollution and energy consumption problems become more and more serious. In order to alleviate traffic pressure, traffic experts also puts forward all kinds of different methods. In the traffic network is more and more complex today, traffic flow predictive in intelligent transportation system is a hot research fields, because the correct traffic flow predictive, can real-time traffic signal control, traffic distribution, route guidance, automatic navigation, accident detection, etc. This article from short-term prediction model of traffic flow, analyzes the advantages and disadvantages of common prediction model, it is concluded that predict comprehensive model will be traffic flow predictive areas of development trend.

Keywords: Traffic flow predictive, Intelligent transportation system, integrated model 引言

目前，有关交通流预测方面的研究已取得大量的成果，建立了多种实时交通量预测的方法，其预测精度也达到了较高水平。本文先是通过研究分析不同交通流短期预测模型的优缺点，然后对具有优势的基于神经网络的综合模型进行模型的构建。

一、交通流预测概述

（一）交通流预测的必要性

随着人们生活水平的提高，私家车的数量、人们出行的次数等越来越多，使得交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。很多城市也陷入了“拥有最宽阔的马路，也拥有最宽阔的„停车场‟”的困境，严重影响了城市的运转效率，客观上阻碍了社会、经济的快速发展。多年来，世界各国的城市交通专家提出各种不同的方法，试图通过先进的智能交通手段来缓解交通拥堵问题。而实现这些系统或方法的关键，不仅要有实时的道路检测数据，更重要的是，要获得实时、可靠、准确的预测信息。再利用动态路径诱导和交通信息系统为出行者提供实时有效的道路信息，实现动态路径诱导，达到节约出行者旅行时间，缓解道路拥堵，减少污染、节省能源等的目的。因此，准确、可靠的交通预测信息是动态路径诱导系统的基础和关键。

（二）预测原则与预测模式

实时交通流预测是一项谨慎的研究，从数据收集到形成样本，再到模型建立都要求做到准确、精确。因此要遵循以下原则：

（1）检测线圈设置位置要合适，要尽可能的检测连续通过的车流，车辆的排队不能超过线圈设置位置。（2）预测参数的时间段长度要合理，能体现出交通流特征，还要为标定，模型留有空余空间。合理的长度时段的交通流绘制成的曲线有一定的光滑性，能形成一定规律。

（3）模型的建立要符合实际，无论从哪个角度建模，模型计算要简便、标定参数要容易、以便实时预测不会出现计算问题。

实时交通流的预测模式如下图

二、交通流预测常用模型及其发展趋势

（一）交通流预测常用模型

本文主要讲短时交通流预测模型。多年来，世界各国的专家和学者利用各学科领域的方法开发出了各种预测模型用于短时交通流预测，大概可以分为七类模型：基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。

1、基于统计方法的模型

该模型用数理统计的方法处理交通历史数据。一般来说统计模型使用历史数据进行预测，它假设未来预测的数据与过去的数据有相同的特性。总之，基于统计方法的模型理论简单，容易理解但由于大部分模型都是基于线性的基础，所以对于交通流变化较大时，预测效

果降低。

2、动态交通分配模型

该模型通过采集到的交通流数据和出行者出行选择的行为来估计随时间变化的网络的状态。此类方法目标明确，理论清晰，但缺点是：①假设条件苛刻，获取信息困难而且代价昂贵；②有些模型无法求解或求解难度大，优化时间长；③过分强调精确的系统最优或用户最优分配结果，加大了模型求解的难度，也不适合在大规模路网上实现应用。

3、交通仿真模型

实际中影响交通的因素很多，很难用理论公式把所有的复杂因素都考虑进去，交通仿真模型可以提供一个唯一的手段来进行评价。仿真模型提供了一个交通流、占有率和旅行时间之间关系的一个模拟实际的计算方法。但从严格意义上说，交通仿真模型不能用于交通流预测的目的，而且不能实现实时性。

4、非参数回归模型

非参数回归模型是一种多条路段分析方法，该算法认为系统所有的因素之间的内在联系都蕴涵在历史数据中，它没有将历史数据作平滑处理，因此，在有特殊事件发生时，较适合。

5、神经网络模型

神经网络具有识别复杂非线性系统的特性，交通系统是复杂巨系统，因此神经网络比较适合于交通领域应用。它采用典型的“黑箱”式学习模式，很适合交通流预测的应用。但不能获得容易被人接受的输入 /输出关系，而且在训练过程中需要大量的原始数据，数据不足会导致不好的预测结果；训练完成的网络推广能力差；同时，神经网络的学习算法在理论上存在不足。

6、基于混沌理论的模型

混沌理论研究的目的是揭示貌似随机的现象背后可能隐藏的简单规律，以求利用这些普遍遵循的共同规律来解决一大类复杂系统的问题。理论上讲，复杂系统中总是存在着混沌，交通流系统是人的群体参与的开放的复杂巨系统，因此交通中存在着混沌。

7、综合模型

每类模型各有其优缺点和适用条件，将不同的预测方法进行组合，以求产生较好的预测效果，这就是综合模型的目标。目前发展的综合模型主要有：基于神经网络的综合模型、基于小波理论的综合模型等。

（二）交通流预测模型发展趋势

通过上述对各种交通流预测模型的比较和分析，可看出任何一个模型都具有其优势和缺

点。单个模型总存在着局限性，基于传统统计理论的模型已不能满足复杂的交通系统的精度的要求，为了提高预测的精度和可靠性，应结合其他研究领域先进的方法和模型，博采众长，研究适合我国交通流特性的交通流预测综合模型。另外，交通系统本质上是人、车、路综合作用的一个复杂巨系统，是一个开放、远离平衡的系统，所以基于神经网络的综合模型用于短期交通流预测将有很广阔的应用前景。

三、基于神经网络的综合模型的构建

参考文献：

[1] 刘静，关伟. 交通流预测方法综述 [J]公路交通科技，2004（3）：82-85

[2] 杨兆升. 城市交通流诱导系统理论与模型 [B]. 人民交通出版社，2000

[3]刘静，关伟.交通流预测方法综述[J].公路交通科技，2004（3）：82-85

[4]王正武，黄中祥.短时交通流预测模型的分析与评价[J].系统工程，2003（6）：97-100

[5]By Brian L.Smith,Michael J.Demetsky.Traffic Flow Forecasting:Comparion of Modeling Approaches [J].Journal of Transportion Engineering,1997:262-266

[6]Stephen Clark ,Traffic Prediction Using Multivariate Nonparametric Regression [J].Journal of Transportion Engineering,2003:161-168