基于状态空间的连续断面船舶交通流量预测研究

• 作者: 吴兵 吴康 汪洋 谢磊
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 船舶交通流 时间序列 状态空间 卡尔曼滤波
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 方法研究与探讨
• 页码范围: 51-56
• 页数: 6页
• 分类号: U675.5+8
• 字数: 4757字
• 语种: 中文
• DOI: 10.3963/j.issn1674-4861.2015.02.008

摘要

船舶流量预测是船舶交通流研究的重要内容，建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广，提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归，并转化为状态空间模型形式；在此基础上由卡尔曼滤波算法对交通流量进行递推预测，得到多断面交通流的预测值。作为实证研究，分别对武汉长江大桥、武汉长江二桥2个断面，以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性，并与单断面多维线性回归预测方法进行对比。结果表明，使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4．59％，0．97％；而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低，其中平均相对误差分别降低1．08％，4．28％， 3 ．54％。因此，在不同时间维度上，该模型有助于提高多断面交通流预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪洋	武汉理工大学智能交通系统研究中心	38	188	7.0	11.0
2	吴兵	武汉理工大学智能交通系统研究中心	32	240	9.0	14.0
3	吴康	武汉理工大学智能交通系统研究中心	1	2	1.0	1.0
4	谢磊	武汉理工大学智能交通系统研究中心	9	27	3.0	4.0