發(fā)布時間：2019-01-17 08:25

【摘要】：針對混合交通流中車輛類型的不確定性和隨機性,導(dǎo)致了直接對總車流量進行預(yù)測時難以獲得較高的預(yù)測精度問題,提出一種分車型的流量預(yù)測方法。依據(jù)各種車型的車流量變化規(guī)律不同的特點,選用改進的時間序列算法對大型車和拖掛車的流量進行預(yù)測,選用二次指數(shù)平滑法對小客車和中型車的流量進行預(yù)測;然后通過車輛折算系數(shù)將各車型的流量預(yù)測值進行加權(quán)求和,從而得到總車流量預(yù)測值;最后利用渝武高速公路上微波車檢器的實測數(shù)據(jù)對提出的預(yù)測方法進行了實驗驗證,并與非參數(shù)回歸預(yù)測方法和卡爾曼濾波預(yù)測方法進行了對比。實驗結(jié)果表明,無論在工作日還是節(jié)假日,分車型的流量預(yù)測方法均具有更高的預(yù)測精度,該結(jié)果為進一步提高高速公路管控能力建立了基礎(chǔ)。
[Abstract]:In view of the uncertainty and randomness of vehicle type in mixed traffic flow, it is difficult to obtain high prediction precision when forecasting the total traffic flow directly. According to the different characteristics of vehicle flow, the improved time series algorithm is used to predict the flow of large vehicles and towing vehicles, and the quadratic exponential smoothing method is used to predict the flow of passenger cars and midsize cars. Then, the traffic forecast value of each vehicle model is weighted summing up through the vehicle conversion coefficient, and the total vehicle flow forecast value is obtained. Finally, the proposed prediction method is verified by using the measured data of microwave vehicle detector on Yu-Wu expressway, and compared with non-parametric regression prediction method and Kalman filter prediction method. The experimental results show that the forecasting method of traffic flow by type of vehicle has a higher accuracy both on weekdays and on holidays. The result establishes the foundation for further improving the ability of expressway control and control.
【作者單位】： 重慶工程職業(yè)技術(shù)學(xué)院信息工程學(xué)院;重慶大學(xué)自動化學(xué)院;
【基金】：中國工程院重點咨詢項目(2012-ZX-22) 重慶市自然科學(xué)基金重點資助項目(cstc2012jj B40002) 國家教育部博士點基金資助項目(20120191110047) 重慶市教委科學(xué)技術(shù)研究項目(KJ1403208,KJ1403209)
【分類號】：U491.1

【參考文獻】

相關(guān)期刊論文 前8條

1 姚琛;羅霞;漢克·范少倫;;基于粗集和神經(jīng)網(wǎng)絡(luò)耦合的短時交通流預(yù)測[J];公路交通科技;2010年11期

2 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時交通流預(yù)測[J];公路交通技術(shù);2006年01期

3 齊馳;侯忠生;;自適應(yīng)單指數(shù)平滑法在短期交通流預(yù)測中的應(yīng)用[J];控制理論與應(yīng)用;2012年04期

4 許巖巖;翟希;孔慶杰;劉允才;;高速路交通流短時預(yù)測方法[J];交通運輸工程學(xué)報;2013年02期

5 劉羅曼;;時間序列平穩(wěn)性檢驗[J];沈陽師范大學(xué)學(xué)報(自然科學(xué)版);2010年03期

6 李軍軍,張建濤;回歸模型可決系數(shù)的可決性研究[J];統(tǒng)計與決策;2005年11期

7 徐今強,劉智勇;交通流的時間序列建模及預(yù)測[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2004年03期

8 譚滿春;馮犖斌;徐建閩;;基于ARIMA與人工神經(jīng)網(wǎng)絡(luò)組合模型的交通流預(yù)測[J];中國公路學(xué)報;2007年04期

【共引文獻】

相關(guān)期刊論文 前10條

1 許倫輝;唐德華;鄒娜;夏新海;;基于非線性時間序列分析的短時交通流特性分析[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2010年01期

2 許倫輝;唐德華;;短時交通流交通狀態(tài)轉(zhuǎn)變及其特性分析[J];系統(tǒng)工程;2009年08期

3 譚滿春;李英俊;徐建閩;;基于小波消噪的ARIMA與SVM組合交通流預(yù)測[J];公路交通科技;2009年07期

4 倪利華;陳笑蓉;;ARIMA模型結(jié)合小波去噪的貴陽城市交通流預(yù)測[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2011年05期

5 佘娣;謝劭峰;彭家，

本文編號：2409806