利用速度信息改进城市道路短时交通量预测

• 作者: 夏井新 张润民 黄卫
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通系统 短时预测 状态空间模型 卡尔曼滤波 速度信息
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 方法研究与探讨
• 页码范围: 26-30,56
• 页数: 6页
• 分类号: U491.1+4
• 字数: 3463字
• 语种: 中文
• DOI: 10.3963/j.issn1674-4861.2015.02.004

摘要

利用速度消息的时变特性，提出了1种无需假设状态变量为平稳的基于卡尔曼滤波算法的短时交通量预测模型。依据城市道路网上下游路段交通流之间的时空演化关系，利用实时采集的路段平均速度信息构建时变的状态转移矩阵来取代常数状态转移矩阵，对现有基于卡尔曼滤波算法的短时交通量预测模型进行改进。最后以2个真实路段4d的交通量进行预测试验，相关计算结果表明：由于加强了模型的动态性，改进后的预测模型较原模型的预测精度在整体上有所提高，其中平均绝对相对误差由7．64％及16．04％分别下降至7．25％及15．75％，均等系数则由0．9572及0．9250分别提高至0．9602及0．9268，而对于交通量急速变化的时段，提高的幅度更为明显，平均绝对相对误差可降低14.8％，从而验证了所提出方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄卫	东南大学智能运输系统研究中心	214	5149	39.0	60.0
2	夏井新	东南大学智能运输系统研究中心	10	179	6.0	10.0
3	张润民	东南大学智能运输系统研究中心	1	2	1.0	1.0