交通流多时间尺度特性分析与参数模型研究*

曹 洁，孙兆军，张 红,2，陈作汉,2，侯 亮,2

(1.兰州理工大学 计算机与通信学院,甘肃 兰州 730050;2.甘肃省城市轨道交通智能运营工程研究中心，甘肃 兰州 730050;3.甘肃省制造业信息化工程研究中心，甘肃 兰州 730050)

0 引 言

在智能交通系统中，建立准确稳定的交通流参数模型是实现智能交通诱导与控制的关键[1]。交通流参数模型通常以描述交通流运行特性的三个参数(速度、流量和密度)为基础，考虑到交通流数据统计时间尺度的不同，交通流序列因受到各种复杂因素的影响，表现出较强的非线性和时空特性。因此，分析交通流在不同时间尺度下的特性，揭示交通流特性参量间的相互关系和内在时空演变规律，可为完善交通流理论、进行交通状态识别提供科学依据和理论支撑。

对于交通流时间序列的分析主要有：数理统计方法、机器学习方法、可视图方法以及复杂网络方法[2]。针对交通流参数模型的研究，国外起步较早，从格林希尔治提出的第一个速度—密度关系模型开始，学者基于此模型进行了大量的探索研究。这些研究大体上可分为三类：1)研究基于“车辆跟驰模型”建立Aw-Rascle交通流模型，并对模型的关键参数进行了估计[3,4];2)研究混合、异质交通条件下的交通流模型[5～7];3)研究约束条件下的交通流参数模型[8,9]。这些研究发现，已有的关系模型无法准确表示所有的交通状态，例如交通流在自由流状态和拥挤态下的运行特性以及参数关系均存在较大差异。

本文采用Lempel-Ziv算法计算不同时间尺度下交通流时间序列的复杂度，利用相关性分析方法，探索了交通流在时间和空间上的相关性。……