基于二次修正的短時(shí)行程時(shí)間預(yù)測(cè)模型

楊 航， 王忠宇， 鄒亞杰， 吳 兵

(1.同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804；2.上海海事大學(xué) 交通運(yùn)輸學(xué)院，上海 201306)

短時(shí)行程時(shí)間預(yù)測(cè)是智能交通系統(tǒng)的基礎(chǔ)輸入之一，也是道路交通運(yùn)行狀態(tài)的重要評(píng)價(jià)指標(biāo)[1].一般認(rèn)為，兩個(gè)決策點(diǎn)之間的時(shí)間跨度小于或等于15 min屬于短時(shí)預(yù)測(cè)[2].高速公路行程時(shí)間的預(yù)測(cè)方法主要有時(shí)間序列法[3]、卡爾曼濾波模型[4]、支持向量機(jī)模型[5]、神經(jīng)網(wǎng)絡(luò)模型[6]、數(shù)據(jù)挖掘法[7]以及一系列組合模型[8]等.在近幾年的研究中，由于組合模型可以克服單一模型在預(yù)測(cè)時(shí)的缺陷，通常呈現(xiàn)出優(yōu)于單一模型的預(yù)測(cè)精度[9]，因此組合模型出現(xiàn)的頻率逐漸提高.Zhang等[10]指出,交通流特征由兩部分組成：一是確定性特征，影響因素為道路幾何設(shè)計(jì)、常態(tài)下的交通需求、交通管理措施(限速)等；二是非確定性特征，影響因素為交通事件、惡劣天氣等突發(fā)因素.因此，高速公路行程時(shí)間不僅包含確定性的周期性特征，還存在非確定性的殘余成分[11].

周期性分析是行程時(shí)間預(yù)測(cè)中極其重要的一部分，現(xiàn)有研究已經(jīng)證明行程時(shí)間在時(shí)間上和空間上均存在著較為顯著的周期性.Zhang等[12]提出行程時(shí)間的周期性特征表現(xiàn)為以下兩種：一種是以一天24 h為比較維度，一種是以一周7 d為比較維度.兩種維度下相同路段的行程時(shí)間多數(shù)呈現(xiàn)較為明顯的周期性特征.Zou等[13]采用了基于三角函數(shù)成分的回歸模型對(duì)行程時(shí)間的周期性進(jìn)行了分析，并證明該回歸模型在……