短时交通流特性及预测实例分析

摘要：

　　本文首先从自动控制角度认识交通流预测本质，深入分析了短时交通流存在的非线性、时变性和不确定性三个特性，指出应用径向基神经网络(RBF)和非参数回归方法(NPR)进行短时交通流预测的适用性。提出将径向基神经网络的输入端和训练数据重新进行选择，并且对网络的权值和阈值重新进行训练是保证交通流特性的关键，将此关键问题对应到算法中的两个重要参数：预测误差范围和最大神经元数目进行了预测结果分析说明。同样对于非参数回归方法中两个重要参数：近邻点个数和预测误差范围也做了预测结果分析。应用这两种方法对某一天进行了微观预测结果分析。预测结果说明，这两种方法都能够比较好地适应交通流特性，预测效果很好。

关键词： 交通管理 短时交通流 特性分析 微观预测

作者: ZHANG Xiao-li 张晓利 LU Hua-pu 陆化普

作者单位: Institute of Transportation Engineering,Department of Civil Engineering,Tsinghua University,Beijing 清华大学土木工程系,交通研究所,北京 100084

会议类型: 国内会议

会议名称: 第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛

会议地点: 深圳

会议语种:中文

页码: 552-552

在线出版日期: 2009-12-01（万方平台首次上网日期，不代表论文的发表时间）