基于MLP的相关路段流量预测模型

张 弛，付相君，周先颖，陈 坚

(1.重庆交通大学 交通运输学院， 重庆 400074； 2.重庆市交通规划和技术发展中心， 重庆 400060)

作为交通现代化建设的关键组成部分，智能交通系统(intelligent transport system，ITS)在提升交通管理水平、道路通行效率方面发挥了重要作用。从智能交通系统基于数据驱动的内核来看，完善的交通数据采集系统不可或缺。但受制于财政预算与建设计划，目前流量检测器主要布设于城市快速路、主次干路等重点区域，无法达到路网全覆盖[1]。这导致部分道路无法受到有效监控，成为了交通数据采集系统的“盲区”。因此，通过有限数量的流量检测器实现全路网交通状态的实时准确感知，是现阶段快速推广智能交通系统、实施城市交通精细化管理的必要保障。

交通流量预测研究按不同预测时间跨度可分为：实时预测、短期预测(5～30 min)、中长期预测(30 min以上)。其中，实时流量预测以具有相关性的路段流量为研究对象，通过已知路段(有流量检测器)流量来预测其他具有相关性的未知路段(无流量检测器)流量，实际应用于指导路网流量检测器的布设优化。Bianco等[2]使用OD矩阵分析路段流量相关性，得到路网所需流量检测器的最少数量。姜桂艳等[3]根据聚类谱系图按流量相关性强弱对路段进行划分，将相关性强的路段定义为“相关路段”，然后根据逐步回归法构建了相关路段流量间的线形回归方程。张航等[4]通过模糊聚类对路段流量相关性进行分析，并同样使用逐步回归法构建了流量预测模型。……