基于混沌理论的短时交通流预测方法研究.pdf

《基于混沌理论的短时交通流预测方法研究.pdf》由会员分享，可在线阅读，更多相关《基于混沌理论的短时交通流预测方法研究.pdf（70页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、北京交通大学硕士学位论文基于混沌理论的短时交通流预测方法研究姓名：卓卉申请学位级别：硕士专业：安全技术及工程指导教师：贾利民20071201I E 哀窑适左堂亟堂焦途塞生塞撞噩中文摘要摘要：短时交通流预测对于动态交通诱导、先进的交通管理、交通控制与安全等，均具有重要的意义，己成为交通工程领域重点研究课题，是智能交通系统的核心研究内容之一。交通流系统本质上是人、车、路综合作用的一个复杂巨系统，是一个开放、远离平衡的系统。系统内部存在着非线性的相互作用，过程具有不可逆性。通过某种观测器获取到系统某一状态的时间序列蕴藏着系统内全部变量混沌运动的痕迹。混沌相空间重构理论提供了一种技术，用于认识该类系统

2、内部演化过程，它通过系统整体行为的一维投影来重构复杂系统的整体行为，然后依其来对系统内在的复杂本质特征进行分析。本文在对交通流时间序列特性分析的基础上，对混沌时序动力系统的相空间重构方法进行了研究，对重构相空问参数进行了计算。在对基于混沌理论的短时交通流预测方法分析的基础上，针对局域法确定邻近点存在的不足，提出了改进的方案；并引入误差修正的思想，以充分利用一步预测得到的信息，提高预测精度。在此基础上，对现有的加权一阶局域预测模型进行了改进；结合具有并行处理及强大的非线性映射能力的神经网络，提出了混沌局域R B F 神经 目络理殓的短对交通流组合预测模型，相对于线性拟合的加权一阶局域预测模型提高

3、了预测的精度；针对交通流时问序列非平稳特性，引进小波分析方法，建立小波一混沌局域R B F 神经网络的组合预测模型，模型从时频角度对具有菲平稳特性的短时交通流时间序列进行多分辨分析，展现了原始交通流序列中蕴含的细节信息，兼顾了短时交通流的混沌特性，更加适用于具有非线性、混沌性和非平稳特性的短时交通流预测。实例数据的验证结果表明这三种模型均能取得较好的预测效果，相比较而言，小波一混沌局域一R B F 神经网络的综合预测模型的预测效果最佳。关键词：智能交通系统；短时交通流；预测：混沌：相空间重构；神经网络；小波分析分类号tj t 基奎通叁堂壅堂堂论塞曼墨!堡至A B S T R A C TA B

4、S T R A C T IT ks h o r t t e 蕊仃a 蕊cf l o wp r e d i c t i o no f t e nu s e di nt h ed y n a m i ct r a 伍cg u i d a n c e，t h ea d v a n c e dt r a f f i cm a n a g e m e n ta n dt h et r a f f i cc o n t r o la n ds a f e t y,p l a y sa ni m p o r t a n tr o l ei nt h er e s e a r c ha r e ao ft r

5、 a f f i ce n g i n e e r i n g，a sw e l la si so n eo ft h ec o r er e s e a r c hi s s u e si n n t e l f i g e n tT r a n s p o r t a t i o nS y s t e m sO T S)At r a f f i cs y s t e mb yi n s t i n c ti sac o m p l e xs y s t e me m e r g i n gf r o mt h ei n t e r a c t i o n sa m o n gp e o p

6、 l e，v e h i c l e sa n dr o a d w a ys e g m e n t s，i sa no p e n，f a r-f r o m e q u i l i b r i u m，d y n a m i c a ls y s t e mi nw h i c ht h en o n l i n e a r i t yo fi n t e r a c t i o n sa n dt h ei r r e v e r s i b i l i t yo fp r o c e s s e sC a nb eo b s e r v e d T od e a lw i t ht

7、h i sk i n do fs y s t e m si nw h i c ht h et i m es e q u e n c e so f as y s t e ms t a t eo n l yC a l lb eo b t a i n e db yac e r t a i no b s e r v e r，t h et e c h n o l o g yi sn e e d e d，h a m e dc h a o t i c-t i m e-s e r i e sr e c o n s t r u c t i o nw h i c hr e c o n s t r u c t sg

8、 l o b a ls y s t e mb e h a v i o r sb yo n e d i m e n s i o n a lm a p p i n g so ft h e ma n da n a l y z e se s s e n t i a lc h a r a c t e r i s t i c so ft h es y s t e m B ya n a l y z i n ge l e m e n t a r yp r o p e r t i e so ft r a f f i cf l o wt i m es e q u e n c e s，t h i st h e s

9、i sf o c u s e so nt h er e s e a r c ho ft h eS t a t eS p a c eR e c o n s t r u c t i o no fc h a o t i ct i m es e r i e sd y n a m i cs y s t e m s，a n dd e t e r m i n e sp a r a m e t e r so ft h er e c o n s t r u c t e ds t a t es p a c e A i m e da tt h es h o r t c o m i n go f t h el o c

10、 a l-r e#o nm e t h o dw h e nc o n f i r m i n gn e i g h b o rP h a s eP o i n t s，t h ei m p r o v e dm e t h o di sb r i n gf o r w a r d，a n dt h ee r r o rc o r r e c t i o nm e t h o di sp u tf o r w a r dt om a k ef u l lI L S Co ft h eo n e-s t e pf o r e c a s t i n gr e s u l t B a s e do

11、 nt h e s es t u d 孔t h eI m p r o v e dA d d i n g-w e i g h t e dO n e r a n kL o c a l r e#o nP r e d i c t i o nm o d e l(1 A O L)i se s t a b l i s h e d M o r e o v e r,C o m b i n e dw i t hN e u r a lN e t w o r kw h i c hh a v ep a r a l l e lp r o c e s s i n ga n ds t r o n gn o n l i n e

12、 a rm a p p i n gc a p a b i l i t y,t h eC h a o sL o c a lR e g i o n R B FN e u r a lN e t w o r kc o m p o s i t i o n a lp r e d i c t i o nm o d e l(C L R-R B F N N)i se s t a b l i s h e d A tl a s t，c o n s i d e r i n gM u l t i r e s o l u t i o na n a l y s i sc h a r a c t e r i s t i co

13、 fW a v e l e，t l l eW 打e C h a o sL o c a lR e 西o n R B FN e u r a lN e t w o r kc o m p o s i t i o n z lp r e d i c t i o nm o d e l(W-C L R-R B F N N)i ss e tu p，T h eW-C L R-R B F N Nm o d e la i m sa tt h ea n a l y s i so fe l e m e n t a r yc h a r a e t e r i s t i e so f t r a f f i cf l o

14、 wf r o mt h ep e r s p e c t i v eo ft i m e-f r e q u e n c yo nd i f f e r e n ts c a l e sb yc o n s i d e r i n gt h ec h a o t i cc h a r a c t e ro fs h o r tt e r mt r a f f i cf l o w,t h u si ti sm o r ea p p l i c a b l et of o r e c a s t i n go ft i m es e r i e sw h i c hh a v en o n-l

15、 i n e a r,n o n s t a t i o n a r ya n dc h a o t i cc h a r a c t e r i s t i c s T h er e s u l t so ft h ee x p e r i m e n t so na c t u a lt r a f f i cf l o wd a t af r o mt h eB e i j i n gt r a f f i cs y s t e ms h o wt h a tt h eW-C L R R B F N Nm o d e li sm o r ee f f e c t i v et h a n

16、t h eo t h e rm o d e l s K E Y W O R D S：i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s；s h o r t-t e r mt r a f f i cf l o w；f o r e c a s t i n g；c h a o s；p h a s es p a c er e c o n s t r u c t i o n；n e u r a ln e t w o r k；w a v e l e ta n a l y s i sC I A S S N o：学位论文版权使用授权书本学

17、位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：普许签字日期：2 砷年p 月，。日导师签名：签字日期：哆年，月白日j E 宝窑适厶堂亟堂焦论塞独剑丝岜塑独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京交通大学或其他

18、教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：早寸签字日期：力7年z 月，o 日致谢本论文的工作是在我的导师贾利民教授的悉心指导下完成的，贾利民教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来贾利民教授对我的关心和指导。秦勇副教授、蔡国强老师和王艳辉副教授悉心指导我完成了实验室的科研工作，在学习上和生活上都给予了我很大的关心和帮助，在此向三位老师表示衷心的谢意。王卓副教授、徐杰副教授、朱晓宁教授、肖贵平教授、程晓卿老师、董宏辉老师、祝凌曦老师对于我的科研工作和论文都提出了许多的宝

19、贵意见和建议，在此向七位老师表示衷心的感谢。在实验室工作及撰写论文期间，张尊栋师兄、仇宁海同学和邓文等同学对我论文中的建模研究工作给予了热情帮助，在此向他们表达我的感激之情。感谢我的家人，他们多年的理解和支持使我能够在学校专心完成我的学业。韭塞銮适叁堂亟堂焦途塞缓盈1 1课题支持1绪论本学位论文的工作得到了北京交通大学轨道交通控制与安全国家重点实验室以下科研项目的部分支持，在此深表谢意：(1)“2 0 0 6 年度科技部国家高技术研究发展计划(8 6 3 计划)”课题“交通状态获取的新型传感器、传感器网络优化与融合”(2 0 0 6 A A l l Z 2 3 1)(2)“北京市科技计划项目”

20、课题“区域交通状态和服务水平评价方法与系统”1 2引言随着国民经济的高速发展和城市化进程的加快，我国机动车保有量及道路交通量急剧增加，来自公安部交管局的信息显示，截至2 0 0 7 年6 月底，全国机动车保有量1 5 2 8 0 7 5 9 8 辆，与2 0 0 6 年底相比，增加了7 5 7 8 6 0 4 辆，增长了5 2 2 I”。交通需求的迅速增长给交通基础设施带来了巨大的压力，而另一方面，交通设施的建设比较缓慢，自改革开放以来，我国机动车的年增长率为2 2，与此同时，公路的增长率仅有2，5【2 1。这直接导致了道路拥堵现象越来越严重，成为各大城市的通病。交通拥挤的直接危害是交通延误增

21、大，行车速度降低。低速行驶增加耗油量导致燃料费用的增加；增加汽车尾气的排放量，导致环境恶化。这些都严重影响了城市的运转效率，阻碍了社会和经济的发展。要解决交通拥堵问题，一方面要增加交通基础设施建设的投入，加速交通供给的建设，更重要的是要更加科学地合理使用现有的道路交通设旌，发挥他们最大作用，要达到这个目的，采用智能交通系统(I n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m，简称I T S)是根本措施之一。智能交通系统是由一系列用于交通运输系统的先进技术以及借助这些技术所提供的多种服务所组成，信息共享、系统整合和综合服务既是I

22、 T S 的本质特征，也是I T S 建设的根本目标。I T S 技术能使管理者、运营者以及个体出行者变得更为消息灵通，相互间能够更为协调，能够做出更为明智的决策。通过I T S 系统的建设与实施，实现缓解交通拥挤、减少交通事故、降低运输成本、减轻环境影响和提高运输效率的目的，从而建立起安全、便捷、高效、舒适和环保的智能型综合运输体系l j J。韭基銮迪盔堂亟堂焦途塞缝途智能交通系统能否有效地运行首先取决于能否获得准确、有效的与道路运行状态有关的信息。因此，对交通流实时状态获取和短时状态预测的研究一直都是I T S 的基础和关键研究内容之一，而交通流信息采集技术和信息处理技术的进步为研究开发新

23、的方法刨造了条件。因此，对短时交通流预测方法进行研究从实际需求来讲是必要的，从技术、理论准备来讲是可行的。1 3研究背景和意义短时交通流预测理论为智能交通系统的两大核心系统一先进的交通管理系统(A d v a n c e dT r a f f i cM a n a g e m e n tS y s t e m s，A T M S)和先进的交通信息服务系统(A d v a n c e d T r a v e l e r I n f o r m a t i o n S y s t e m，A T I S)的实现提供基础理论支持和数据支持，是他们实现的基础和依据。l、短时交通流预测理论是先进的交通管

24、理系统实现的基础和依据先进的交通管理系统是I T S 最基本的组成部分，它是通过先进的交通信息采集技术、数据通信传输技术、电子控制技术和计算机处理技术等，把采集到的各种道路交通信息和各种道路交通相关的服务信息传输到交通指挥中心，交通指挥中心对来自交通采集系统相关的实时交通信息进行分析、处理，并利用交通控制与交通组织优化模型进行交通控制方案等的优化，经过分析、处理和优化后的综合交通管理方案和交通服务信息等内容，通过数据通信传输设备分别传输到各种交通控制设备和交通系统的各类用户，以实现对交通流实时监控、智能控制和主动管理，将车辆运行与交通管理的完美结合，保证道路网始终处于最佳的运行状态【4】。A

25、T M S 的主要目标是实现对城市道路与公路的一体化监视、控制与管理1 5 1。A T M S 通过对道路交通网络中的各种交通信息进行实时采集、传输和分析处理，及时发现交通运行过程中存在的各种故障，为道路交通的管理者和参与者提供决策信息支持，最大限度地减少有交通拥挤和交通事故引起的出行时间延误，提高道路交通的安全性和运行效率。A T M S 的信息链如下图所示。图1 1 A T M S 的信息链F i 9 1 1I n f o r m a t i o nC h a i no f A T M S作为A T M S 核心内容的交通管理控制子系统，其主要任务是监测所有子系统各种设施的工作状态和交通流

26、的运行，并据此制定和实施交通管理与控制策略。2j b塞銮适太堂亟堂僮监塞缝纶其中，交通流运行状态监测的目的是通过对实时动态交通流数据的快速融合与挖掘，结合所获得的人工信息，及时、准确地获得交通运行故障信息和交通控制系统所需要的信息 6 1。交通流运行状态监测的核心是动态交通分析模型，包括数据预处理模型、交通流预测模型和交通状态自动判别模型等。发达国家的实践表明，这些动态交通模型的精度和可靠性，特别是交通流预测模型的精度可靠性决定了A T M S 的效率和效果，因此一直是I T S 领域研究的重要内容之一2、短时交通流预测理论是先进的交通信息服务系统实现的基础和依据先进的交通信息服务系统是智能交

27、通系统的重要组成部分之一。交通信息服务系统能够通过有线通信和无线通信等手段以语音、图形和文字等形式实时向出行者提供相关信息，使出行者(包括司机和乘客)从出发前、出行过程中直至到达目的地的整个过程中随时能够获得有关道路交通状况、所需时间、最佳换乘方式、所需费用以及目的地各种相关信息等，从而指导出行者选择合适的交通方式和路径，以最高的效率和最佳的方式完成出行过程。交通信息服务系统使人类的交通行为更具有科学性、计划性和合理性，是实现智能交通的重要标志。先进的交通信息服务系统主要由交通信息中心、通信网络和用户信息终端三大功能单元组成，系统的构成如下图所示【7】。交通信息中心图I 2 先进的交通信息服务

28、系统构成F i 9 1 2 C o m p o n e n t s o f A d v a n c e d T r a v e l e r I n f o r m a t i o n S y s t e m如图所示，交通信息中心(T I C)是指为整个系统控制的实现提供数据处理、显示和接口功能，包括对道路交通运输数据和社会公众信息的采集、分类、加工和提供。短时交通流预测作为T I C 的一个重要的环节，其预测信息的质量不仅会影响A T I S 的效益，还会影响使用者对系统的可信度。因此，实时、准确、可靠的交通流预测信息对于A T I S 的实现起到基础数据支撑的作用。按照信息系统所提供的信息内

29、容的不同，A T I S 可以分为以下几类：路径诱导系统、交通诱导系统、停车场信息诱导系统和个性化信息服务系统。其中，交通流诱导系统通过实时地采集和发送交通信息，适时地引导交通流量合理分布，从3而达到高效率利用道路网络的一种主动交通控制方式。交通流诱导系统的正常工作依赖于其交通信息的准确性和及时性，其诱导的信息包括道路状况信息、气象信息和交通状况信息等。交通状况信息包括交通事件、交通流量、车道占有率、车速、行程时间等交通特性，交通事件和拥挤程度信息。交通流诱导以交通流预测和实时动态交通分配为基础应用现代通信技术、电子技术和计算机技术等为路网上的出行者提供必要的交通信息，为其当前出行决策和线路选

30、择提供信息参考，从而避免盲目出行造成的交通堵塞，以达到路网畅通和高效运行的目的。1 4短时交通流预测方法综述交通流预测是交通工程，交通规划和交通控制的基础性工作。对于交通控制和交通诱导而言，由于诱导周期一般不超过5 分钟，而控制周期一般在2 5 分钟之内，所以需要预测的时间短，要求预测的是5 分钟乃至更短时间的微观交通流。一般把短于1 5 分钟的交通流预测称为交通流短时预测，其预测的内容一般为交通流量、平均速度、平均密度(或占有率)和旅行时间等【8】o根据预测原理的不同，短时交通流预测模型大概可以分为三类：一类是基于解析数学方法的模型，其特点是模型建立在数理统计中回归和时间序列预测的基础上，用

31、解析数学方法来描述状态变量的变化趋势；第二类是基于知识的智能预测方法的模型，其特点是所采用的模型和方法不追求严格意义上的数学推导和明确的物理意义，而更重视对真实交通流现象的拟合效果；第三类是组合预测方法。1、基于解析数学模型的方法这类模型是用数理统计的方法处理交通历史数据，如交通流量、交通速度、旅行时间等用于预测。一般来说统计模型使用历史数据进行预测，它假设未来预测的数据与过去的数据有相同的特性。基于统计方法的模型主要有历史平均模型(H i s t o r yA v e r a g eM o d e lH A)、自回归模型(A u t o r e g r e s s i v eA R)、滑动平

32、均模型(M o v i n g A u t o r e g r e s s i v eH A)、白回归滑动平均模型(A u t o r e g r e s s i v eM o v i n g A v e r a g eM o d e lA R M A)和卡尔曼滤波模型(K a l m a nF i l t e r i n gM o d e l)等。(1)四种基本的线性预测模型历史平均模型、自回归模型、滑动平均模型、自回归滑动平均模型是四种基本的线性预测模型 9-1 4 1。这些模型的共同点是考虑因素较为简单，参数一般用最小二乘法或似然估计法进行在线估计，具有计算简便、易于实时更新数据和便于大

33、规模应用的优点；但由于这些模型无法反映交通流的不确定性与非线性特性，尤其是随着预测时间间隔的缩短，流量的规律性越发不明显，不确定性越来越强，故预测的精度不高，且抗干扰能力差。4(2)卡尔曼滤波模型(K a l m a nF i l t e r i n gM o d e l)卡尔曼滤波模型(K a l m a n F i l t e r i n g M o d e l)是K a l m a n 于1 9 6 0 年提出的，是一种时域分析方法，它基于状态空间模型来解决最优滤波问题【巧l。卡尔曼滤波不仅可用于信号的滤波和估计，还可以用于模型参数估计，因此可用于交通流预弱。1 9 8 4 年，O k

34、u t a n i 和S t e p h a n e d e s 提出了用于交通流预测的卡尔曼滤波模型，V y t h o t k a s p e 也提出了基于卡尔曼滤波理论的交通流量预测模型。卡尔曼滤波法具有预测因子选择灵活、精度较高的优点，且模型的预测精度随时间间隔的变化不大，这说明方法的健壮性很好【m 1 8】。但是，由于模型的基础是线性估计模型，所以当预测间隔小于5 m i a 时，交通流量变化的随机性和非线性性较强时，模型的性能便随之下降。此外，在每次计算时都要调整权值，需要做大量的矩阵运算和向量运算；当交通流发生突变时，模型必须进行实时参数调整，这些都导致卡尔曼滤波模型算法较为复杂

35、，难以用于实时在线预测，预测输出值具有一定的滞后性。2 基于知识的智能预测方法的模型这类方法不拘泥于用数学方程描述预测变量与预测因子之问的关系，而是通过预测方法本身的结构机制，来获取预测的“经验”、“知识”，达到准确预测交通流下一个周期的未来状态。这类方法具有自适应能力，能够处理好非线性、非平稳随机过程时间序列的预测问题。(1)非参数回归模型(N o n p a r a m e t r i eR e g r e s s i v eM o d e l)非参数回归是以范例推理为基本原理的方法，它仅依靠已经积累的、包含系统潜在关系的大量数据对新问题做出估计，而不需具有关于模拟过程的先验知识，不需建立

36、具体的参数模型，它可以被看作是一种动态簇模型。出于动态的原因，这种方法在当前输入状态的周围定义了一组相似的过去的案例，即在历史数据库中寻找与当前状态相似的历史状态，并把与当前点匹配的历史状态应用于状态预测。它是一种可移植的无参数模型，预测精度比较高，尤其适用于交通状态不稳定时，其原因在于它没有把历史数据作回归或平滑处理，而是利用了了所有保存的可能交通流状态信息。1 9 9 1 年，D a v i s 和N i h a n 将其应用于交通流预测中；1 9 9 5年S m i t h 又将之应用于单点短时交通流预测，但因其搜索“近邻”点的速度太慢，参数调整要靠试凑的方法而没有得到真正实用。随后学者

37、们又提出了很多的改进办法，比如通过重新组织历史数据结构或者采取不精确查找的方法以提高算法速度。非参数回归作为一种无参数、可移植、高预测精度的算法，它的误差比较小，且误差分布情况良好1 1 9 r 2 l】。它不需要建立模型，不需要先验知识，保持交通参量变化的随机特性，直接从历史数据中去挖掘信息，便于操作实施，能够应用于复杂的环境，可在不同的路段上进行方便的预测，模型的实用性很强。拭夏銮遂盔堂亟圭堂壁迨塞鳖垒(2)神经网络模型(N e u r a lN e t w o r kM o d e l)神经网络是一个并行的分布式的信息处理网络结构，具有非线性映射功能和联想记忆功能，特别适于解决高度时变及

38、非线性的问题。由于其在求解非线性系统方面的巨大优势，具有识别复杂非线性系统的能力，交通系统是复杂巨系统，因此神经网络比较适合于交通领域应用 2 2-2 6】。应用神经网络进行时间序列预测是通过数据本身的内在联系建模，它在一定程度上克服了传统方法的固有局限性，具有良好的适应性和自学习能力、能够容忍时间序列中的噪声，具有较强的抗干扰能力。它采用典型的“黑箱”式学习模式，很适合交通流预测的应用；它不需要任何经验公式，就能从已有数据在自动的归纳规则，获得这些数据的内在规律，即使不清楚预测问题的内部机理，只要有大量的输入，输出样本，经神经网络“黑箱”内部自动调整后，便可建立良好的输入，输出映射模型。神经

39、网络由于独特的并行结构，较好的适应性和鲁棒性，较强的容错性、联想记忆能力等特点己经成为交通流预测领域的常用技术。尽管存在需要大量的样本数据、较长的训练时间和模型推广能力差的缺点，神经网络在交通流预测中的应用，在一定程度上摆脱了建立精确数学模型的困扰，为研究工作开辟了新的思路，因此神经网络模型是在短期交通流预测方面很有潜力的一种模型。(3)基于混沌理论的模型(C h a o sT h e o r yB a s e dM o d e l)混沌(C h a o s)是本世纪最重要的科学发现之一，被誉为继相对论和量子力学后的第三次革命。它揭示了自然界及人类社会中普遍存在的复杂性，是有序和无序的统一、确

40、定性和随机性的统一。混沌系统实际上是一个类似随机的确定系统，混沌理论研究的目的是揭示貌似随机的现象背后可能隐藏的简单规律，一方面，在一个确定性系统中，混沌现象使得对初始条件非常敏感，一个小小的扰动变化就会被放大，产生意想不到的结果，这使混沌运动产生了长期不可预测的特性：另一方而，混沌蕴含着有序，它不同于无从控制的随机运动，轨迹发散但逃逸不出奇异吸引子的约束，这使得短期预测是可行的。基于混沌理论的预测主要是以混沌理论、分形理论、耗散理论、协同论、自组织理论等为基础，利用有关混沌理论中的相空间重构和动力学建模等非线性分析方法建立预测模型 2 7-3 3】。交通流系统是复杂大系统，组成系统的各元素之

41、间存在着复杂的非线性关系，理论上更精确的方法应该是用符合短期交通流特性的非线性动力学理论进行预测。混淹理论研究非线性动力学系统随时间交化的规律，基于混沌理论，可以不必事先建立主观模型，而直接根据交通流序列本身计算出来的客观规律进行预测，这样既可避免预测的人为主观性，又可提高预测的精度和可信度。3、组合预测模型由于预测模型各有其优点、不足和适用条件，因此可以将各类模型组合起来，6得到更加理想的结果，这就是组合模型的目标。现在发展的组合模型主要有：基于神经网络的组合模型、基于小波理论的组合模型等。针对神经网络的“黑箱”特性，利用模糊系统的强容错能力和容易被人接受的“如果一则”表达方式，发展了模糊神

42、经网络模型【3”5 1：针对神经网络的存在的局部极小，收敛速度慢，隐层神经元的数量需要经验确定的不足，发展了高阶广义神经元网络和遗传算法相结合的方法p 6】，利用遗传算法同时对神经网络的连接权值和隐层节点个数进行优化，得到全局最优的网络：把K o h o n e n 自组织神经网络和A R I M A 时间序列分析结合起来的K A R I M A 预测模型【3”。小波分析(W a v e l e t A n a l y s i s)是一葶申信号的时间一尺度分析方法，具有多分辨率分析的特点，在时频两域具有表征信号局部特征的能力。因此，可以通过多分辨率分析的方法将表达交通流的本质变化趋势的基本信号

43、与高频干扰信号相分离，利用现有的时问序列方法对确定信号与干扰信号进行分析，得到外推的预测结果，然后再利用重构算法将基本信号的预测结果和不同分辨率干扰信号的预测结果在原始分辨率上合成，得到的信号序列中就包含了对原始信号的预测信息【3 踟，最后用常规的预测方法，就得到了交通流的预测结果。通过对各种交通流预测模型的分析，可看出任何一个模型都具有其自身的优势和不足。组合模型综合了个模型的优点，在预测的不同阶段，针对具体问题选择最合适的处理方法，具有很强的灵活性，是交通流预测领域的发展趋势。另外，交通系统本质上是人、车、路综合作用的一个复杂巨系统，是一个开放、远离平衡的系统，系统内部存在着非线性的相互作

44、用、系统的内部过程具有不可逆性I 卅，混沌理论在这类问题的处理上有着很大的优势，而混沌理论的长期不可测、短时可预测性正适应了交通流短时预测的特点。随着交通流混沌理论研究的不断深入，基于混沌理论的短时交通流预测的应用前景是非常乐观。所以基于混沌理论的组合模型用于短时交通流预测将有很广阔的应用前景。1 5主要研究思路和方法论文的主要目标是对短时交通流预测方法进行研究。为此，首先利用实际采集到交通流数据，从定性和定量的角度出发，对交通流的非线性特性和混沌特性进行了分析，为更合理地确定短期交通流预测的方法提供依据。针对短时交通流系统的非线性、混沌特性，运用非线性混沌动力学理论对短时交通流进行分析，针对

45、现有方法的不足，提出改进的方案，对现有的加权一阶局域预测模型进行了改进：并引进了具有并行处理及强大的非线性映射能力的神经网络提出了混沌局域R B F 神经网络的短时交通流组合预测模型，相比于线性7拟合方法提高了预测的精度。其思想是由所观察到的一维时间序列重构出系统相空间轨迹，得到系统动力学特性的一个拓扑表示，然后采用神经网络来拟合吸引子的非线性映射，对系统的相空间进行拟合，并由拟合出来的系统对原来的系统进行预测。针对短时交通流非平稳特性，引进具有自适应性和多分辨分析特性小波分析为工具，在不同频域尺度上对观测时间序列的细节信号作了细致的刻画和分析，建立小波一混沌局域一R B F 神经网络的组合预

46、测模型，以使模型更加符合交通流的非线性、非平稳特性。最后，用实际交通流数据对建立的模型进行验证，并对其预测性能进行评价和分析。图1 3 研究思路和方法F i 9 1 3R e s e a r c hI d e a sa n dM e t h o d s1 6 论文结构和主要工作论文共包含6 章，第1 章引言部分介绍了研究的背景、意义和本文的研究思路、研究方法，并对短时交通流预测的方法进行了综述，探讨现状研究中的聚焦点和研究趋势，为论文研究启发思路。第2 章对短时交通流预测的相关理论基础介绍。对论文涉及到的混沌理论、相空间重构理论、小波分析理论和神经网络进行了论述，为全文提供理论上的支撑。第3

47、章对短期交通流特性进行分析。首先对待分析时间序列中的缺失数据和错误数据进行识别与修复处理；进行了降噪处理，降低数据中含有的噪声；选用替代数据和混沌动力学方法对实际交通流系统定性、定量地进行了分析，为预测方法的选用提供依据和支持。第4 章主要是基于混沌理论的短时交通流预测模型的研究，在对基于混沌理论短时交通流预测方法分析的基础上，分别建立了基于混沌理论的改进加权一阶局域模型、混沌局域R B F 神经网络的组合预测模型和小波一混沌局域R B F 神经网络的组合预测模型。第5 章是模型的实际应用与分析部分，首先对相空间重构参数进行了计算，并建立了评价指标集，然后用实际的交通流数据对建立的模型进行检验

48、，对建立的三种模型的预测效果作出评价和分析。第6 章是论文总结部分，总结了论文研究的主要工作，并对研究的发展方向进行了展望。1 7小结本章介绍了研究的背景、意义和研究思路、研究方法和论文的构成，并对短时交通流预测的方法进行了综述，探讨现状研究中的聚焦点和研究趋势，为论文研究启发思路。9韭塞銮通盔堂亟翌焦盗銮担羞墨硷基鲨2 相关理论基础2 1基于混沌的短时交通流预测理论混沌是指在确定系统中出现的一种貌似无规则的，类似随机的现象，它不是简单的无序而是没有明显的周期和对称，但却是具有丰富的内部层次的有序结构，是非线性系统中的一种新的存在形式。其运动具有以下三个明显的特征：1、对初始条件的极端敏感依赖

49、性：2、非周期性，表明混沌的非线性和无序性：3、存在奇异吸引子1 4 0-4 2 1。吸引子是指相空问中的一个点集或一个子空间，随时间的流逝，在暂态消亡之后所有轨迹线都趋向于它。对于确定性系统来说，吸引子维数为整数，但混沌吸引子的维数却是分数，称为奇异吸引子。混沌预测理论是从交通流系统内部非线性的角度来分析交通流序列的，非线性的交通流系统中有混沌吸引子的作用机制存在，这是利用混沌理论进行短期交通流预测的基础。吸引子具有把吸引子之外的所有状态聚集到吸引子上的强大凝聚力，反映出极强的稳定作用。系统状态一旦到达吸引子内部，其运动轨迹就相互排斥，对应着不稳定的方向1 4 3 1。然而，混沌吸引子上的相

50、邻轨迹绝不永远指数分离，而是在有限的空间内不断嵌套，表现出吸引与排斥的统一。由此可知，混沌吸引子之外的任一状态点，都有与其邻近状态点共同的运动趋势，进入吸引子域；吸引子内的任一状态点，与其邻近状态点都有保持在该吸引子域内并形成分形结构的运动趋势】。因此，通过找出预测点的若干邻近相关点，用这些相关点与其后续时间序列的函数关系，近似替代预测点与其后续时间序列的函数关系，以估计轨迹下一点的走向，最后从预测出的轨迹点的坐标中分离出所需的预测值，就可以实现短时交通流的预测。2 2 相空间重构理论最初提出相空间重构的目的在于高维相空间中恢复混沌吸引子。混沌吸引子作为混沌系统的特征之一，体现着混沌系统的规律