城市道路交通拥挤状态判别及预测研究

城市有限的道路资源难以承载交通量的快速增长,导致交通拥堵问题的出现,交通拥堵预测是解决交通拥堵问题的重要步骤之一。但由于影响交通系统的因素复杂繁多,且各种交通参数具有较强随机性和不确定性,使得交通拥堵预测研究难以开展,预测成功率及可靠性往往不高,针对这一问题,本文借鉴马尔可夫理论及灰色预测理论,构建了适用于交通拥堵预测的灰色GM(1,1)-加权马尔可夫预测模型,并将该模型应用于实例研究中。具体研究过程如下： 首先,在回顾国内外研究现状的基础上,给出了拥堵的定义、分类、成因和特征。对经典的拥堵识别算法和常见的速度预测模型进行了分析； 其次,探讨速度预测与拥堵识别的关系和基于速度的交通拥堵预测的原理,并确定相应的速度阈值标准,基于灰色预测理论,结合马尔可夫链预测原理,建立灰色GM(1,1)-马尔可夫预测模型用于交通拥堵预测,并在此基础上对该模型进行加权改进以获得更好的预测成功率； 最后,将该模型应用于石家庄市主干路——建设大街的拥堵预测实例研究中,对该路段未来4天内6个不同时刻的拥堵状态进行了预测识别,并与灰色GM(1,1)预测模型、灰色GM(1,1)-马尔可夫预测模型的预测结果相比较。结果表明,该模型的识别成功率超过66%,优于灰色GM(1,1)预测模型和灰色GM(1,1)-马尔可夫预测模型,从而表明本文所建立的预测模型具有较好的识别准确率及可靠性。