基于周期性分量提取的城市快速路交通流短時預測理論與方法研究.pdf

1、隨著居民出行總量和機動車保有量的持續(xù)增長，城市路網承擔的出行壓力越來越重。城市快速路作為城市路網的骨架，承載大量的較高車速和長距離出行服務?？煽康亩虝r交通流預測作為交通誘導系統(tǒng)的核心內容，是出行路徑誘導與管理者監(jiān)測控制的技術前提，有助于提高城市路網效率。
　　目前交通流短時預測研究多將交通流量作為一個整體進行預測，沒有實現(xiàn)周期性部分和剩余殘差項的分離，難以較好地滿足預測精度的要求。本文在現(xiàn)有研究成果的基礎上，考慮城市快速路交通流的

2、周期性特征，提出基于周期性分量提取的經典模型與長短時記憶神經網絡模型，并分別對城市快速路主路和出入口斷面流量進行實證研究，研究不同預測步長下周期性分量提取對原始預測模型的改進效果。本文的主要研究內容如下:
　　(1)基于城市快速路交通流動態(tài)數(shù)據進行數(shù)據處理并分析其交通特征，包括交通流數(shù)據預處理、交通流參數(shù)特征以及皮爾遜相關系數(shù)檢驗。首先針對故障數(shù)據進行識別和修復，并進行數(shù)據整合等預處理，為后期研究提供可靠的數(shù)據基礎。其次從宏觀交通

3、流參數(shù)、參數(shù)兩兩關系和交通流特點等宏觀方面分析交通流數(shù)據特征。再次根據交通流量存在的日相關性特征進行單一斷面流量的Pearson相關系數(shù)分析，驗證斷面流量數(shù)據存在周期性。
　　(2)根據工作日期間流量的周期性，結合傅里葉級數(shù)理論，建立基于周期性分量提取的城市快速路交通流短時預測模型。首先將流量分為周期性部分和剩余殘差項兩部分，其次對周期性部分使用傅里葉級數(shù)展開，根據傅里葉級數(shù)展開項數(shù)的不同表示出周期性分量。同時，對逐步分離周期性分

4、量的殘差項分別應用自回歸積分滑動平均模型、支持向量機回歸模型、長短時記憶神經網絡模型進行下一時刻殘差項的預測，最后與周期性分量合并，實現(xiàn)預測精度的提高。
　　(3)運用基于周期性分量提取的預測模型進行實證性研究。選取北京市二環(huán)路四個主路斷面以及右安門橋至白紙坊橋路段輔路式獨立出入口分別作為快速路主路和出入口研究對象，應用基于周期性分量提取的自回歸積分滑動平均模型、支持向量機模型、長短時記憶神經網絡預測模型進行單步預測和多步預測。本