短时交通流量智能组合预测模型及应用  

Short-term traffic volume intelligent hybrid forecasting model and its application

作　　者：沈国江[1] 王啸虎 孔祥杰[3] 

机构地区：[1]浙江大学工业控制技术国家重点实验室,杭州310027 [2]浙江省通信产业服务有限公司绍兴分公司,绍兴312000 [3]大连理工大学软件学院,大连116620

出　　处：《系统工程理论与实践》2011年第3期561-568,共8页Systems Engineering-Theory & Practice

基　　金：国家高技术研究发展计划(863计划)(2007AA11Z216);国家自然科学基金(50708094);浙江省自然科学基金(Y1090208)

摘　　要：提出了一种新的短时交通流量智能组合预测模型.该智能组合模型包含三个子模型:卡尔曼滤波模型、人工神经网络模型和模糊综合模型.卡尔曼滤波模型利用卡尔曼滤波方法良好的静态线性稳定特性,采用线性迭代方式对交通流量进行最优估计.人工神经网络模型利用其强大的动态非线性映射能力,对动态交通流量的预测具有较高的精度和满意度.模糊综合模型采用模糊方法来综合这两个单项模型的输出,并把它的输出作为整个组合模型的最终交通流量预测值.实际应用表明:该组合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了两种模型各自的优势,是短时交通流预测的一种有效方法.A novel intelligent hybrid （IH） model for short-term traffic volume forecasting was presented. The IH model had three sub-models： kalman filter （KF） model, artificial neural network （ANN） model and fuzzy combination （FC） model. By means of the good static linear stabilization character of the kalman filter method, the KF model forecasted the traffic volume by the linear iteration method. Otherwise, the ANN model can estimate the dynamic traffic volume in a very precise and satisfactory sense due to the strong dynamic nonlinear mapping ability of artificial neural network. The FC model mixed the two individual forecast results by fuzzy logic and its output was regarded as the final forecasting of the traffic volume. Practical application results show that the IH model, which takes advantage of the unique strength of the KF model and the ANN model, can produce more precise forecasting than that of two individual models. Thus, this IH model can be an efficient method to the short-term traffic volume forecasting.

关 键 词：智能交通系统 交通流预测 卡尔曼滤波 神经网络 模糊逻辑 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]