基于短时交通流量预测对路网微观交通仿真的研究

张 虎

（苏州高等职业技术学校 机电工程系，江苏 苏州 215009）

利用各种预测模型和方法对获取的实时交通信息进行准确的预测，在短时交通流量预测的基础上，提出将预测数值导入到VISSIM路网微观交通仿真中，根据下一阶段交通流量调整信号时长，为信号系统控制方案的变更提供参考依据。

1 短时交通流量预测现状分析

短时交通流量预测是根据路段及相关路段在过去p个时刻的交通流量参数值f(t-k)(k=1，2，…，p)，利用合适的预测模型和方法，处理各种检测器采集到的实时交通数据，从而求出该路段未来k个时间段内的交通流量状态估计值f(t-k)[1]。

时间序列模型[2]，卡尔曼（Kalman）滤波[3]和人工神经网络模型[4]是三种传统预测模型。这三种传统预测模型主要存在以下问题：①在预测时长和预测精度上不能做到很好的统一，现阶段很难运用到实时的在线预测中。②在短时交通流量预测时间间隔的选取上差异较大。③在预测时间段上并没有很好地与道路的实际应用结合，为了追求预测精度，在大样本数据的基础上，大多数模型是对全天的交通流量进行预测，甚至有的模型针对路段车流量稀少的凌晨进行预测，忽视了路段的实际情况。

针对第一个问题，近年来很多学者采用了一些新的预测方法来对短时交通流量进行预测，如蚁群算法[5]，贝叶斯网络多方法组合[6]和深度学习[7]等。针对第二个问题，提出短时间交通流量预测的时间间隔为5 min，如何在5 min内准确地完成交通流量预测是实现交通控制与诱导的关键[8]。……