汤代佳,尚东方,杨露
(1.河南联合信息科技股份有限公司,许昌 461670;2.深圳大榆树科技有限公司,深圳 518033;3.上海电机学院电气学院,上海 201306)
随着中国经济的快速发展,机动车拥有量的逐年大幅上升,在许多城市都出现了不同程度的拥堵,建立合理的交通秩序,解决交通堵塞成为大多数城市亟待解决的问题。建立智能交通系统是解决这一问题的有效途径,而实现智能交通的基础在于准确预测易拥堵路段的实时机动车流量,因为准确的交通流量预测关系到交通控制和车辆诱导的效果。针对这一问题,许多学者提出了许多有效的方法也取得了丰硕的研究成果,具有代表性的有光谱分析法、卡尔曼滤波法、神经网络预测法、小波分析方法、时间序列法等等。
这些方法采取的主要策略是提取出独特的特征信息,在一定的条件下实现流量的预测,然而由于城市道路的短时车流量具有时变性、非线性等特点,且影响车流量的各个因素无法用准备的数学公式刻画,导致传统的方法准确度不够。随着极限学习机方法的兴起,许多学者将其应用到短时交通流量的预测上,取得了不错的效果。该方法的优点在于不需要精确的数学表达式,只需利用以往同一时段观测到的信息,设置权重和层数构造神经网络,从训练过程中通过学习来抽取和逼近隐含的输入输出非线性关系,利用这一关系可以实现交通流量及交通参数的预测。
本文在……