基于R 樹的非參數回歸交通流預測方法

余沁瀟 凌 帥 吳 剛，2 馬壽峰▲

（1.天津大學管理與經濟學部 天津 300072；2.天津高速公路集團有限公司 天津 300384）

0 引言

隨著智能交通系統的發(fā)展，交通管理模式逐漸由被動轉為主動，短時交通流預測作為智能交通系統的核心技術之一，為交通信息服務、交通控制與誘導提供基礎數據，對預測效率和精度都要求較高。短時交通流預測的研究方法可分為2類：傳統的基于數學模型的方法；數據驅動式的計算智能方法［1］。近年來，面對復雜的路況以及大量的交通數據集，第1類方法存在明顯不足，學者們逐漸將研究重點轉向后者［2－5］。非參數回歸預測就是1種基于數據驅動式的計算智能方法，它實際上是基于模式匹配和數據挖掘的方法，其優(yōu)點在于它完全是數據驅動的，幾乎不需要先驗知識，只需要有足夠規(guī)模的模式庫，就可以做到比較準確的預測。

近年來，許多學者將非參數回歸方法應用于交通流預測，但在實際應用中存在預測時間長，實時性差的缺陷。1991 年，Davis和Nihan［6］首次將非參數回歸的方法應用于交通預測中，指出該方法適用于預測非線性的交通數據，但該算法需要維護1個龐大且具有代表性的歷史數據庫，因此運行所耗費的時間相對較長。Smith等［7］將非參數回歸模型應用于單點短時交通流預測，但在實際使用上仍存在搜索速度過慢的問題。后來，許多學者就這一問題提出解決方案，Oswald等［8］用KD 樹來建立歷史模式庫進行模糊最近鄰搜索，縮短了K 近鄰算法的運行時間?！?br>