基于时空特性的短时交通流预测模型*

邱敦国 兰时勇 杨红雨

(四川大学 计算机学院，四川 成都 610065)

随着汽车大量增加，城市交通拥堵问题日趋严重.为了缓解城市道路的交通拥堵现象，采用有效的方法对城市路网的交通流量进行合理分配变得非常重要，其中，对道路实施交通流控制与诱导是控制交通流合理分配的一个关键问题，其核心之一是实时、准确地进行短时交通流预测.

各国学者对短时交通流预测进行了长期深入的研究，提出了近百种预测方法.目前，大体可将这些预测方法分为两类:第1 类是以数理统计和微积分等传统数学和物理方法为基础的预测方法，包括时间序列预测［1］、历史均值预测［2］、卡尔曼滤波模型预测［3］等;第2 类是以现代科学技术和方法为主要研究基础而形成的预测模型，包括支持向量机［4］、神经网络［5］、混沌理论［6］等.第1 类预测方法的特点是对研究对象追求严格意义上的数学推导和明确的物理意义，而第2 类预测方法更重视对真实交通流现象的拟合效果.

由于交通流是一个具有一定规律的历史周期变化系统，每天不同时间段的交通流具有特定规律性，并以一天为单位进行周期变化，因而具有历史周期性;同时交通流又是受上下游交通流影响的空间相关性系统，当上游或下游交通流发生变化时，又会对当前时刻下一时段交通流形成影响，即各点的交通流不是独立的系统，而是相互关联、相互影响的系统，因而具有空间相关性.用第1 类……