楊慧慧

摘 要：隨著社會經(jīng)濟(jì)和交通事業(yè)的飛速發(fā)展，道路交通問題逐漸受到社會的關(guān)注，人們的出行安全及出行效率會受到道路交通問題的影響。通過組建智能交通系統(tǒng)（ITS）來緩解交通壓力是眾多專家學(xué)者多年來所研究的主要問題。本文首先分析短時(shí)交通流預(yù)測方法研究的必要性，然后探討城市道路短時(shí)交通流預(yù)測方法。

關(guān)鍵詞：城市道路;短時(shí)交通流;預(yù)測方法

中圖分類號：U491.14;TP18文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2018）26-0120-02

隨著經(jīng)濟(jì)的飛速發(fā)展和城市化進(jìn)程的加快，我國道路交通量及機(jī)動(dòng)車保有量急劇增加，交通基礎(chǔ)設(shè)施由于交通需求量的不斷增長而產(chǎn)生了巨大壓力。此外，機(jī)動(dòng)車增長的速度過快，導(dǎo)致交通設(shè)施建設(shè)很難跟上其增長的步伐，這就造成各大城市道路交通擁堵的問題越來越嚴(yán)重，對環(huán)境和社會經(jīng)濟(jì)的發(fā)展都造成了極大影響。為此，本文就城市道路短時(shí)交通流的預(yù)測方法進(jìn)行研究，通過組建智能交通系統(tǒng)（ITS）以緩解城市交通擁堵問題。

1 短時(shí)交通流預(yù)測方法研究的必要性

交通智能系統(tǒng)是將各種技術(shù)有效集中在一起，比如，先進(jìn)的信息技術(shù)、計(jì)算機(jī)技術(shù)、控制技術(shù)及數(shù)據(jù)通信技術(shù)等。在地面交通管理系統(tǒng)中，智能交通系統(tǒng)發(fā)揮著重要作用。實(shí)時(shí)、準(zhǔn)確及高效是智能交通系統(tǒng)的特點(diǎn)，其是一個(gè)綜合性的交通運(yùn)輸管理系統(tǒng)。交通設(shè)施可以利用交通智能系統(tǒng)來提高交通效率和安全性，最終使交通運(yùn)輸管理及服務(wù)都變得更加智能化，并實(shí)現(xiàn)交通運(yùn)輸?shù)募s式發(fā)展。

1.1 ATMS是短時(shí)交通流預(yù)測理論高效運(yùn)行的基礎(chǔ)和依據(jù)

ATMS是智能交通系統(tǒng)中最基礎(chǔ)的一個(gè)組成部分，其通過計(jì)算機(jī)處理、電子控制和信息采集等各種先進(jìn)的技術(shù)，把在交通網(wǎng)絡(luò)中采集到的相關(guān)有效信息傳輸?shù)浇煌ㄖ笓]中心。交通指揮中心對接收到的信息進(jìn)行處理和分析，并利用交通控制方案進(jìn)行優(yōu)化。交通服務(wù)信息和綜合交通管理方案等內(nèi)容經(jīng)過處理、分析及優(yōu)化后，通過數(shù)據(jù)通信傳輸設(shè)備分別傳輸?shù)礁鞣N交通控制設(shè)備及交通系統(tǒng)的各類用戶，以實(shí)現(xiàn)對城市交通的全方位優(yōu)化管理與控制，為各類用戶提供全面的交通信息服務(wù)。將交通管理和車輛運(yùn)行兩者有效結(jié)合起來，極力避免發(fā)生交通事故及交通擁堵的情況，解決人們出行時(shí)間延誤的問題，有效提高道路交通的運(yùn)行效率和安全性。

1.2 先進(jìn)的ATIS是短時(shí)交通流預(yù)測理論高效運(yùn)行的基礎(chǔ)和依據(jù)

先進(jìn)的旅行者信息系統(tǒng)（ATIS）作為智能運(yùn)輸系統(tǒng)（ITS）的核心部分，通過向出行者及時(shí)地提供出行信息，包括終點(diǎn)選擇、方式分擔(dān)和路徑選擇信息，誘導(dǎo)出行者選擇效用最大的終點(diǎn)、方式和路徑出行，以充分利用現(xiàn)有的道路網(wǎng)絡(luò)資源，有效緩解交通擁堵。

此外，ATIS還能通過實(shí)時(shí)有效的交通流預(yù)測來實(shí)現(xiàn)交通誘導(dǎo)。交通流誘導(dǎo)系統(tǒng)是通過實(shí)時(shí)地采集和發(fā)送交通信息，適時(shí)地引導(dǎo)交通流量合理分布，從而達(dá)到高效率利用道路網(wǎng)絡(luò)的一種主動(dòng)交通控制方式。通過交通流誘導(dǎo)，道路管理者能及時(shí)了解相關(guān)決策依據(jù)，同時(shí)出行者也能通過網(wǎng)絡(luò)了解需要的交通信息，選擇良好的出行路線，避免遇上交通擁堵的狀況。

2 城市道路短時(shí)交通流預(yù)測方法

2.1 時(shí)間序列預(yù)測方法

時(shí)間序列模型是描述時(shí)間序列統(tǒng)計(jì)特性的一種常用方法，其是參數(shù)化模型處理動(dòng)態(tài)隨機(jī)數(shù)據(jù)的一種實(shí)用方法。其主要分為兩種，一是非線性平穩(wěn)模型，二是線性平穩(wěn)模型。其中，非線性平穩(wěn)模型主要包括IMA模型和自回歸求和滑動(dòng)平均模型（ARIMA）;線性平穩(wěn)模型主要包括滑動(dòng)平均模型（MA）、自回歸滑動(dòng)平均混合模型（ARMA）和自回歸模型（AR）。

在估計(jì)參數(shù)的過程中，自回歸求和滑動(dòng)平均模型必須依賴大量的不間斷的時(shí)間序列，但數(shù)據(jù)遺漏是模型在實(shí)際的情況中不可避免的。根據(jù)檢測的實(shí)際情況來看，15min一次是自回歸求和滑動(dòng)平均模型的預(yù)測時(shí)間間隔，只比歷史平均法（HA）稍微好一點(diǎn)，預(yù)測效果如果小于15min是否會更好，這需要我們進(jìn)一步進(jìn)行探究。此外，自回歸求和滑動(dòng)平均模型特別適用于穩(wěn)定的交通流，但在預(yù)測不穩(wěn)定的交通流時(shí)會由于數(shù)據(jù)量的變大而暴露出不足。

2.2 卡爾曼濾波模型

卡爾曼濾波法是現(xiàn)代控制理論中的一種重要方法。1984年，Okutani和Stephanedes提出了用于交通流預(yù)測的卡爾曼濾波模型[1]?？柭鼮V波法是針對線性回歸分析模型的一種矩陣迭代式的參數(shù)估計(jì)方法，具有預(yù)測因子選擇靈活、實(shí)時(shí)性較強(qiáng)、精度較高的優(yōu)點(diǎn)，因此，便于在計(jì)算機(jī)上實(shí)現(xiàn)在線分析。但是，這種方法是線性模型，隨著預(yù)測時(shí)間的縮短，交通流的不確定性及非線性也會隨之加強(qiáng)，這樣預(yù)測出來的結(jié)果往往會不盡如人意。但是，交通流也并非全是不穩(wěn)定的、非線性的，因此，卡爾曼濾波法的使用還是有必要的，在交通流狀態(tài)平穩(wěn)時(shí)是非常值得參考借鑒的方法。

2.3 神經(jīng)網(wǎng)絡(luò)模型

近20年來，人工神經(jīng)網(wǎng)絡(luò)受到了廣泛關(guān)注，其是計(jì)算智能和機(jī)器學(xué)習(xí)研究中最活躍的一個(gè)分支?；谏窠?jīng)網(wǎng)絡(luò)模型的預(yù)測原理為：用一部分?jǐn)?shù)據(jù)訓(xùn)練模型，即確定網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)確定以后，用剩余部分?jǐn)?shù)據(jù)進(jìn)行預(yù)測[2]。

識別復(fù)雜的非線性系統(tǒng)是神經(jīng)網(wǎng)絡(luò)所具備的特性，交通流的預(yù)測較為適用于這種方法。當(dāng)環(huán)境發(fā)生極大變化或者是受到干擾時(shí)，神經(jīng)網(wǎng)絡(luò)都能很好地應(yīng)對。此外，其可以隨時(shí)根據(jù)實(shí)時(shí)信息進(jìn)行改變，保證預(yù)測的實(shí)時(shí)性。同時(shí)，其還能考慮天氣情況、過街行人的干擾程度等影響交通流的因素，也可以充分利用相關(guān)路段的歷史數(shù)據(jù)和研究路段的歷史數(shù)據(jù)進(jìn)行預(yù)測。

神經(jīng)網(wǎng)絡(luò)在短期交通流的預(yù)測中也存在著一些不足和局限性?！昂谙涫健笔巧窠?jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)模式，正是由于這個(gè)模式導(dǎo)致其訓(xùn)練過程中需要大量的原始數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法采用經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理，僅僅試圖使經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，并沒有使期望風(fēng)險(xiǎn)最小化，與傳統(tǒng)的最小二乘法相比，在原理上缺乏實(shí)質(zhì)性的突破，同時(shí)也缺乏理論依據(jù)。神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程只能通過調(diào)整神經(jīng)元的權(quán)值進(jìn)行數(shù)據(jù)處理，即只有神經(jīng)元外部的處理能力，這種不足導(dǎo)致這類網(wǎng)絡(luò)存在局部極小、收斂速度慢、推廣能力差等缺陷[3]。

3 結(jié)語

城市道路短時(shí)交通流預(yù)測對緩解城市交通擁堵問題發(fā)揮著至關(guān)重要的作用。短時(shí)交通流預(yù)測的實(shí)時(shí)性和準(zhǔn)確性確保了我國城市道路通暢，為有效解決城市交通問題提供了技術(shù)支持，從而促進(jìn)我國交通事業(yè)平穩(wěn)發(fā)展。

參考文獻(xiàn)：

[1]陳明猜，於東軍，戚湧.基于FOA-RBF網(wǎng)絡(luò)的城市道路短時(shí)交通流預(yù)測[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（2）：103-110.

[2]雷斌，溫樂，耿浩，等.基于加權(quán)組合模型的短時(shí)交通流預(yù)測研究[J].測控技術(shù)，2018（5）：37-41.

[3]梅朵，鄭黎黎，劉春曉，等.基于混合算法優(yōu)化SVM的短時(shí)交通流預(yù)測[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017（11）：92-95.