本文關(guān)鍵詞：短時(shí)交通流復(fù)雜動(dòng)力學(xué)特性分析及預(yù)測(cè)，，由筆耕文化傳播整理發(fā)布。

物理 學(xué)報(bào) ActaPhys．Sin．Vo1．63，No．4 2014 040505 短時(shí)交通流復(fù)雜動(dòng)力學(xué)特性分析及預(yù)測(cè)冰 張洪賓1 2 t 孫小端 賀玉龍 1 北京工業(yè)大學(xué)，交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124 2 德州學(xué)院汽車工程學(xué)院，德州 253023 2013年7月29日收到；2013年 11月 13日收到修改稿 為揭示短時(shí)交通流的內(nèi)在動(dòng)態(tài)特性，利用非線性方法對(duì)交通流混沌特性進(jìn)行識(shí)別，為短時(shí)交通流的預(yù)測(cè) 提供基礎(chǔ)．基于混沌理論對(duì)交通流時(shí)間序列進(jìn)行相空間重構(gòu)，利用C．C算法計(jì)算時(shí)間延遲和嵌入維數(shù)，采用 Grassberger-Procaccia算法計(jì)算吸引子關(guān)聯(lián)維數(shù)，通過(guò)改進(jìn)小數(shù)據(jù)量法計(jì)算最大Lyapunov指數(shù)來(lái)判別交通 流時(shí)間序列的混沌特性．針對(duì)局域 自適應(yīng)預(yù)測(cè)方法在交通流多步預(yù)測(cè)中預(yù)測(cè)器系數(shù)無(wú)法調(diào)節(jié)的問(wèn)題，提出了 交通流多步 自適應(yīng)預(yù)測(cè)方法．通過(guò)實(shí)測(cè)數(shù)據(jù)計(jì)算，結(jié)果表明：2，4和5min三種統(tǒng)計(jì)尺度的交通流時(shí)間序列均 具有混沌特性；改進(jìn)的小數(shù)據(jù)量法能夠準(zhǔn)確地計(jì)算出最大Lyapunov指數(shù)；構(gòu)建的交通流多步 自適應(yīng)預(yù)測(cè)模型 能夠有效地預(yù)測(cè)交通流量的變化．為智能交通系統(tǒng)誘導(dǎo)和控制提供了依據(jù)． 關(guān)鍵詞：交通流量，混沌，最大Lyapunov指數(shù)，多步 自適應(yīng)預(yù)測(cè) PACS：05．45．Tp，05．45．―a，01．75．+m DOI：10．7498／aps．63．040505 結(jié)構(gòu)建立動(dòng)力學(xué)方程，通常采用時(shí)間序列分析的 1 引 言 方法來(lái)研究，通過(guò)計(jì)算該序列的最大Lyapunov指 數(shù)來(lái)判定是否具有混沌特性．目前計(jì)算最大Lya― 實(shí)時(shí)準(zhǔn)確的短時(shí)交通流預(yù)測(cè)是實(shí)現(xiàn)智能交通 punov指數(shù)的方法有主要有：Wolf法 Jocobian 誘導(dǎo)和控制的重要前提與關(guān)鍵．短時(shí)交通流是指觀 方法1]、P范數(shù)算法1]、奇異值分解法 10]、小數(shù)據(jù)量 測(cè)尺度不超過(guò) 15min的交通流，從交通流實(shí)時(shí)管理 計(jì)算法 [】、基于小波變換的最大Lyapu

  本文關(guān)鍵詞：短時(shí)交通流復(fù)雜動(dòng)力學(xué)特性分析及預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。