短时交通流特性及其预测方法的研究

短时交通流预测(Short-term Traffic Flow Forecasting)是实现智能运输系统中动态诱导系统的关键技术之一。本文先对短时交通流的特性进行分析,进而对其预测方法进行研究。 论文首先分析短时交通流预测在智能运输系统中的重要地位,阐述其研究的必要性;在对交通流理论研究成果进行整理的基础上,针对短时交通流的不确定性,采用Fourier变换得出交通流信号的主要能量集中在分解的长周期信号、使用小波多尺度分析得出:噪声可从短时信号中分离出来,从而得到易于预测的平滑信号;通过混沌与分形分析得出:短时交通流在一定尺度范围和时间范围内存在有混沌运动现象。 基于短时交通流的特性分析,提出两个改进的预测方法:对于非混沌短时交通流,采用小波分解重构—BP神经网络预测方法;对于混沌短时交通流采用相空间重构—RBF神经网络预测方法。实例计算结果表明两种改进的预测方法具有良好的预测效果。