城市智能交通流預(yù)測模型的研究

孫冉

摘要：城市交通的矛盾隨著經(jīng)濟(jì)發(fā)展、城市擴(kuò)張與交通需求增長而日益突出，智能交通系統(tǒng)也應(yīng)運(yùn)而生。在智能交通系統(tǒng)包含的交通管理、道路控制、駕駛員管理、車輛調(diào)度、高速公路等子系統(tǒng)當(dāng)中，都離不開對交通流的監(jiān)控與預(yù)測。由于城市交通的特殊要求，短期交通流預(yù)測對實(shí)際交通狀況和模型運(yùn)用更具有指導(dǎo)作用。本文著重介紹了卡爾曼濾波算法和小波分析算法，論述了這兩種算法對城市交通生活中的重要作用，提供了交通流預(yù)測的新思路。

關(guān)鍵詞：智能交通系統(tǒng)；交通流；預(yù)測

隨著近些年經(jīng)濟(jì)的發(fā)展，城市規(guī)模日漸擴(kuò)張，道路規(guī)劃與施工的腳步也在加快，與此同時(shí)機(jī)動(dòng)車的保有量保持一個(gè)快速增長的狀態(tài)，由此導(dǎo)致的交通問題成為城市發(fā)展當(dāng)中最重要的問題之一。就目前形勢來看，交通需求量的增長遠(yuǎn)高于道路通行能力的供給，供給與需求間的矛盾日益突出，交通擁堵也成為在城市出行中，人們十分關(guān)心的問題。換而言之，能否妥善解決現(xiàn)代城市的交通問題，直接影響到人民總體生活水平的提高和國家經(jīng)濟(jì)的發(fā)展。

為此，從20世紀(jì)80年代開始，少數(shù)發(fā)達(dá)國家開始著手開發(fā)城市道路的交管系統(tǒng)，大力研究交通控制的技術(shù)。秉承著提高通行能力，緩解交通擁堵的目的，各個(gè)國家在1994年法國巴黎召開的世界智能交通大會上首次提出了智能交通系統(tǒng)的概念。智能交通系統(tǒng)采用最新的計(jì)算機(jī)技術(shù)、傳感技術(shù)、現(xiàn)代通信技術(shù)以及最先進(jìn)的人工智能技術(shù)，改變原有被動(dòng)式的交通管控方式，對當(dāng)前交通信息進(jìn)行采集、加工、處理后進(jìn)行必要的決策，營造出安全暢通的道路交通大環(huán)境。

目前智能交通系統(tǒng)主要包含七個(gè)研究領(lǐng)域：先進(jìn)的交通管理系統(tǒng)；先進(jìn)的駕駛員信息系統(tǒng)；先進(jìn)的車輛控制系統(tǒng)；營運(yùn)車輛調(diào)度管理系統(tǒng)；先進(jìn)的公共交通系統(tǒng)；先進(jìn)的城市間交通系統(tǒng)；自動(dòng)高速公路系統(tǒng)?？v觀主要的這個(gè)七個(gè)領(lǐng)域，可以看出智能綜合交通系統(tǒng)將傳統(tǒng)運(yùn)輸系統(tǒng)中人、車、路3個(gè)要素緊密結(jié)合在了一起。在提高整個(gè)交通運(yùn)輸系統(tǒng)的效率下，其中的關(guān)鍵問題就是對交通流的情況進(jìn)行實(shí)時(shí)的管控與誘導(dǎo)，這就說明了交通流預(yù)測的基礎(chǔ)地位。

交通流預(yù)測通俗來講，就是根據(jù)系統(tǒng)檢測所得數(shù)據(jù)等已有數(shù)據(jù)，依據(jù)t時(shí)刻預(yù)測出下一時(shí)刻t+△t的交通流，根據(jù)△t的長短不同，可將交通流預(yù)測劃分為長期、中期、短期這三種交通流預(yù)測，因此所要求的精度、目的和側(cè)重點(diǎn)都有所不同。其中長期與中期的交通流預(yù)測多用于交規(guī)，預(yù)測的間隔時(shí)間相對較長，在這個(gè)過程中可以忽略一些干擾因素，由此可給預(yù)測帶來較大的便利。相比之下，短期的交通流預(yù)測多用于實(shí)時(shí)的誘導(dǎo)監(jiān)控，這樣交通流的變化過程有很強(qiáng)的隨機(jī)性和不確定性，各種因素的作用性越強(qiáng)，其感染因素也不可隨意忽略。這就要求交通流預(yù)測模型具有實(shí)時(shí)性、準(zhǔn)確性、可靠性的特點(diǎn)。

隨著人們對短期交通流預(yù)測的深入研究，在研究方向上逐漸形成兩個(gè)大方向，一類是依據(jù)傳統(tǒng)數(shù)學(xué)方法或物理方法建立預(yù)測模型；另一類是以先進(jìn)科技技術(shù)方法建立的預(yù)測模型。本文將對常用的幾個(gè)短期交通流預(yù)測的方法進(jìn)行論述。

1 卡爾曼濾波算法

卡爾曼濾波是以20世紀(jì)60年代Kalman提出的濾波理論為基礎(chǔ)，進(jìn)一步提出來的數(shù)據(jù)自回歸處理算法，在工程領(lǐng)域應(yīng)用的比較廣泛?？柭鼮V波所依據(jù)狀態(tài)方程遞歸和線性無偏均方差最小，對狀態(tài)變量進(jìn)行過濾掉噪聲的最優(yōu)的估計(jì)。

我們先假設(shè)對未知狀態(tài)x下進(jìn)行觀測，進(jìn)行的觀測次數(shù)用t來計(jì)數(shù)，結(jié)果記為W_i，狀態(tài)空間方程可以用W_i、x_i表示：

x_i=A_i-1x_i-1+m_i

W_i=H_i-1x_i-1+n_i

（A_i-1-系統(tǒng)矩陣；H_i-1-觀測矩陣；m_i-輸入噪聲；n_i-觀測噪聲）

在獲取現(xiàn)有狀態(tài)的預(yù)測結(jié)果下，在現(xiàn)在測量值也得到后，將預(yù)測結(jié)果與現(xiàn)在狀態(tài)值得到差值后，獲得最優(yōu)化估值：

x_k=x_k-1+K_k（Z_k-A_k-1x_k-1）

（K_k-卡爾曼增益）

卡爾曼濾波算法的適用性較為廣泛，對漸變數(shù)據(jù)、突發(fā)數(shù)據(jù)都可以進(jìn)行處理，在不同的假設(shè)狀態(tài)下來處理不同問題，有效減少儲存空間以及計(jì)算時(shí)長，這樣的性質(zhì)給在線分析帶來極大的便利，但這種算法需要向量和矩陣的大量運(yùn)算。尤其是在短期預(yù)測當(dāng)中，交通流出現(xiàn)較強(qiáng)的隨機(jī)性和不確定性，卡爾曼濾波算法的參數(shù)要進(jìn)行調(diào)整，而調(diào)整的過程會消耗大量時(shí)間，由此會產(chǎn)生一定的后滯性。

2 小波分析預(yù)測算法

小波分析是在應(yīng)用數(shù)學(xué)領(lǐng)域當(dāng)中逐漸發(fā)展出來的新分支，對非線性的問題都有了較為成功的應(yīng)用。小波是一個(gè)長度有限，平均值為零的波。對小波分析的過程實(shí)際上就是范圍可變的窗口方法，可以起到細(xì)化與具象的作用，總體來說是比較好的信號處理方法。在道路交通控制中，短期預(yù)測中對實(shí)時(shí)數(shù)據(jù)處理中第一步就是去噪。小波去噪的過程中，含有噪聲的交通流預(yù)測的一維模型可以寫成如下的算式：

s（t）=f（t）+d（t）

t=0，1，…，n-1

（f（t）-實(shí)際信號；l（t）-噪聲；α-噪聲強(qiáng)度；S（t）總信號）

在對小波完成去噪之后，需要選取分解分層，對每層的小波系數(shù)完成重新架構(gòu)并根據(jù)每層重構(gòu)的數(shù)據(jù)建立相對應(yīng)的交通預(yù)測模型，之后將每層所得到的預(yù)測模型所得結(jié)果進(jìn)行加和，這樣便可以得到最終預(yù)測結(jié)果?？傮w來說，小波分析預(yù)測模型在交通流預(yù)測方面通常會和其他模型一起混合使用，才具備更好的抗干擾能力以及魯棒性，這方面仍有很大的研究空間。

3 結(jié)語

在城市發(fā)展過程當(dāng)中，交通問題日益突出的情況下，由此近些年智能交通系統(tǒng)也在快速發(fā)展。在智能交通系統(tǒng)當(dāng)中交通流預(yù)測是其重要的一個(gè)環(huán)節(jié)，尤其是對短期交通流的預(yù)測的準(zhǔn)確性，直接影響到智能交通系統(tǒng)的實(shí)際作用。本文論述了兩種現(xiàn)階段情況下比較有效的短期交通流預(yù)測方法，卡爾曼濾波算法和小波分析算法。這兩種方法目前在工科領(lǐng)域使用廣泛，并在理論中具有很好的預(yù)測效果，但在實(shí)際道路交通中，面對各種各樣突發(fā)事件和不均衡的交通流，仍存在準(zhǔn)確率不高，預(yù)測周期長的問題，仍然需要對模型結(jié)合其他算法，進(jìn)行進(jìn)一步的改進(jìn)。