2.2 交通流量预测研究现状
综合交通量的特性,可以这么说,城市交通系统有人参与、时变且复杂,交通预测之
所以遇到极大困难主要原因主要是其高度不确定性和非线性这两个特点,随机因素对短时
交通量预测的影响是很明显的。短期交通量预测时变性、不确定性更强,较中期和长期预
测其预测难度大,但也是短期交通量预测的优越性所在,我们都知道随着时间间隔的增大,
不可预知的突发性偶然事件发生的概率会增大,在这一点短时交通量预测比长期预测的精
度更高。根据短时交通流量预测的这个特点,用于交通流量预测的模型应具备实时性、准
确性及可靠性(抗干扰能力)这些特性。
交通流状态每时每刻都在变化着,对交通流的每一次诱导都会实时影响其下一个运行
状态,由此可见,在作出诱导决策之前,对诱导指令作用路段的下一个时段的交通流情况
有一定了解,作出的诱导就会更有实用价值,因此及时、准确地对未来交通流状态进行预
测成为了交通控制与诱导研究中无法避免的先决工作。作为交通流的三个基本参数的其中
之一的交通量,其预测是基于动态获取的道路断面或交叉口等路段的交通量数据的短期历
史记录来推测未来某时段的交通量。近几年我国道路上交通信息数据采集设备经过不断完
善,通过信息采集、数据处理与数据分析,使得提供实时动态信息给道路使用对象已经成
为可能。短时交通流量预测的研究受到广泛关注,时至今日,已经有许多理论和方法用于
这方面。比较具有代表性的,如历史趋势法、时间序列法等等。但是这些模型因自身不足
难以反映交通流量的不确定与非线性这些特性,且对干扰没有较较好的抵抗能力,缺陷同
样是出发点,一个正确的研究方向展示在人们面前。
针对交通流量的非线性,近年来神经网络等非线性理论被应用于交通状态预测这个方
面,使得交通信息的预测精确性有了很大提高,其中模糊推理主要应用于驾驶员的跟驰和
超车的微观行为判断;神经网络模仿大脑神经网络结构和功能,能对复杂的信息进行高速
传递和处理,具有学习、记忆、处理实际数据等能力,并且有抗干扰能力较强等等,总结
交通信息预测方面的成果,可以说我国已经形成了由数学界、物理学界、力学界、交通流
理论学界以及系统科学与信息学界联合攻关的可喜局面。然而预测方法理论还有很多不足
的地方,这是关系到我国交通科学的研究原始创新、ITS 进一步发展的重要问题。
2.3 交通流量预测方法
经过几十年的不断发展,预测科学种类已是一个可观的数量而其中可用于交通预测的
方法模型不少,根据分类方式的不同大概可分为以下几种:
2. 根据预测性质不同分类,主要包括定性预测和定量预测方法。如果系统中没有或
量化信息比较少,没法量化描述对预测对象,未来情况只能以专家经验等定性信息为依据
作定性估计,那就采用定性预测,比如调查法、类推法和主观概率法等等;所谓定量预测
自然便是将获得的信息量化为数字形式,然后建立描述目标和因素之间相互关系的数学模
型,根据模型和规律推断出预测结果,其针对对象是可表征为一系列数据指标的交通信息,
比如回归法、时间序列法等等。
3. 根据预测模型数量差异来分,主要是单项预测和组合预测,前者在整个预测过程
中只涉及到一种预测模型;而后者则与之相反,使用多个预测模型,利用模型之间互补的