基于WiFi探针数据的短时交通状态预测

吴启用， 廖嘉欣， 兰小机

（江西理工大学土木与测绘工程学院，江西 赣州341000）

0 引 言

社会经济的快速发展和城市规模的不断扩大促使城市机动车保有量迅速增长，城市道路通行承载压力不断加大，交通拥堵现象已呈常态化蔓延趋势。智能交通系统(Intelligent Traffic System，ITS)作为智慧城市的重要组成部分可以有效缓解交通拥堵，准确的短时交通预测则是其实现的关键。一般而言，对下一阶段交通状态预测的时间间隔不超过15 min称为短时交通预测[1-2]。然而，交通状态具有随机性和复杂性，特别是随着时间间隔的缩短，其呈现的非线性越强，预测难度也越大[3]。

目前，广泛部署于城市内的各类传感器为交通状态的预测提供了可靠的数据支撑，按传感器的运动状态可将其划分为固定位置的传感器（微波传感器、环路感应器、视频检测器、红外检测器及雷达检测器等[4-5]）和移动式传感器（如GPS传感器[6-7]）。近年来，无线技术的快速发展使得配备有蓝牙、WiFi等功能的智能移动设备大量普及，为交通信息的采集提供了新的思路。例如：Ahmed等初步验证了无线探测技术在交通领域应用的可行性[8]；文献[9-10]研究了蓝牙传感技术在ITS中的应用，进一步揭示了无线技术服务于交通的潜力。

国内外针对短时交通状态预测已开展了大量研究，相关方法可分为参数方法和非参数方法。常用的参数方法有自回归综合移动平均(Autoregressive Integrated Moving Average,ARIMA)和Kalman滤波模型，二者在处理平稳时序数据时表现良好，但由于交通状态并非一直是平稳的，因此该方法不能很好地捕捉交通特征。……