基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

被引：80

作者：

董春娇 ^{[1
]}

邵春福 ^{[2
]}

周雪梅 ^{[3
]}

孟梦 ^{[2
]}

诸葛承祥 ^{[2
]}

机构：

[1] 田纳西大学交通研究中心

[2] 北京交通大学城市交通复杂系统理论与技术教育部重点实验室

[3] 同济大学教育部道路与交通工程重点实验室

来源：

东南大学学报(自然科学版) | 2014年 / 44卷 / 02期

关键词：

交通流短时预测; 阻塞流状态; 状态空间模型; 卡尔曼滤波;

D O I：

暂无

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082301 [道路与铁道工程];

摘要：

提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.

引用

页码：413 / 419

页数：7

共 11 条

[1]

Three-phase traffic theory and two-phase models with a fundamental diagram in the light of empirical stylized facts.[J].Martin Treiber;Arne Kesting;Dirk Helbing.Transportation Research Part B.2010, 8

[2]

Online-SVR for short-term traffic flow prediction under typical and atypical traffic conditions.[J].Manoel Castro-Neto;Young-Seon Jeong;Myong-Kee Jeong;Lee D. Han.Expert Systems With Applications.2008, 3

[3]

Real-time freeway traffic state estimation based on extended Kalman filter: a general approach.[J].Yibing Wang;Markos Papageorgiou.Transportation Research Part B.2004, 2

[4]

Comparison of parametric and nonparametric models for traffic flow forecasting [J].