基于能力区域的交通状态预测方法

刘擎超; 陆建; 陈淑燕

doi:10.7498/aps.63.140504

摘要

交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于能力区域的城市快速路交通状态预测方法，该方法通过构建神经网络分类器的能力区域，根据样本数据与交通状态类簇之间的空间距离，预测道路交通状态等级. 神经网络分类器的能力区域能够有效融合时间、空间等多种特征，并且不需要考虑各特征之间的相关性，具有很强的适应性. 实验结果表明，与经典的预测方法相比，其预测误差明显降低，均等系数增大，基于能力区域的方法预测交通状态具有较高的准确性.

关键词:

交通状态 /
预测 /
交通参数 /
聚类

Abstract

Traffic state prediction is a key basis of traffic flow guidance system and traffic information publishing system. This paper presents a new method of forecasting the traffic state of unban expressway based on competence region. This method can predict the traffic state grade of road based on the distance between the sample data and the traffic state cluster center by creating a competence region of neural network classifier. And this method can effectively integrate the temporal and spatial features together without considering the correlation between the different features, and thus it has a strong adaptability. The experimental results show that this traffic state prediction method can reduce the prediction error and improve the equality coefficients compared with the classical algorithms. The prediction method used in this paper is effective and accurate for forecasting traffic state based on the competence region.

Keywords:

作者及机构信息

1.
东南大学城市智能交通江苏省重点实验室, 南京 210096;

2.
现代城市交通技术江苏高校协同创新中心, 南京 210096

基金项目: 国家高技术研究发展计划（批准号：2011AA110302）和江苏省普通高校研究生科研创新计划（批准号：CXZZ13_0119）资助的课题.

Authors and contacts

1.
Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 210096, China;

2.
Jiangsu Province Collaboratire Innovation Center of Modern Urban Traffic Technologies, Nanjing 210096, China

Funds: Project supported by the National High Technology Research and Development Program of China (Grant No. 2011AA110302), the Fundamental Research Funds for the Central Universities of Ministry of Education of China (Grant No. CXZZ13_0119).

参考文献

[1]	Wang X Y 2010 Ph. D. Dissertation (Changchun: Jilin University) (in Chinese) [王新颖 2010 博士学位论文(长春: 吉林大学)]
[2]	Zhang H B, Sun X D, He Y L 2014 Acta Phys. Sin. 63 040505 (in Chinese) [张洪宾, 孙小端, 贺玉龙 2014 63 040505]
[3]	Zhang Y M, Wu X J, Bai S L 2013 Acta Phys. Sin. 62 190509 (in Chinese) [张玉梅, 吴晓军, 白树林 2013 62 190509]
[4]	Ma Q L, Liu W N, Sun D H 2012 Acta Phys. Sin. 61 169501 (in Chinese) [马庆禄, 刘卫宁, 孙棣华 2012 61 169501]
[5]	Bi J, Guan W 2012 Chin. Phys. B 21 068901
[6]	Zhang Y, Guan W 2009 Acta Phys. Sin. 58 756 (in Chinese) [张勇, 关伟 2009 58 756]
[7]	Cong R, Liu S L, Ma R 2008 Acta Phys. Sin. 57 7487 (in Chinese) [从蕊, 刘树林, 马锐 2008 57 7487]
[8]	Qi C, Hou Z S 2012 Cont Theo. Applic 29 465 (in Chinese) [齐驰, 侯忠生 2012 控制理论与应用 29 465]
[9]	Yao Z S, Shao C F 2007 China J. High. Trans. 20 113 (in Chinese) [姚智胜, 邵春福 2007 中国公路学报 20 113]
[10]	Xie J, Wu W 2011 J. Tongji Univ. (Nature Science) 39 1297 (in Chinese) [谢军, 吴伟 2011 同济大学学报 (自然科学版) 39 1297]
[11]	Ma L C, Xu W L 2011 Cont. Deci. 26 789 (in Chinese) [马林才, 许玮珑 2011 控制与决策 26 789]
[12]	Zang L L, Jia L 2007 China J. High. Trans. 20 95 (in Chinese) [臧利林, 贾磊 2007 中国公路学报 20 95]
[13]	Shen G J, Wang X H, Kong X J 2011 Sys. Eng. Theor. Pract. 31 561 (in Chinese) [沈国江, 王啸虎, 孔祥杰 2011 系统工程理论与实践 31 561]
[14]	Ding H, Zhang W H, Zheng X Y 2012 China J. High Trans. 25 126 (in Chinese) [丁恒, 张卫华, 郑小燕 2012 中国公路学报 25 126]
[15]	Don H H, Jia L M 2010 J. Trans. Sys. Eng. Info. Tech. 10 112 (in Chinese) [董宏辉, 贾利民 2010 交通运输系统工程与信息 10 112]
[16]	Kuncheva L I 2000 Proceedings of 4th International Conference on Knowledge Based Intelligent Engineering Systems and Allied Technologies Brighton, UK, Aug 30-Sept 1, 2000 p185
[17]	Kuncheva L I 2002 IEEE Trans. Sys. M. and Cyber. Part B: Cyber. 2 146
[18]	Verikas A Lipnickas A, Malmqvist K 1999 Patt. Recog. Lett. 4 429

施引文献

[1]	Wang X Y 2010 Ph. D. Dissertation (Changchun: Jilin University) (in Chinese) [王新颖 2010 博士学位论文(长春: 吉林大学)]
[2]	Zhang H B, Sun X D, He Y L 2014 Acta Phys. Sin. 63 040505 (in Chinese) [张洪宾, 孙小端, 贺玉龙 2014 63 040505]
[3]	Zhang Y M, Wu X J, Bai S L 2013 Acta Phys. Sin. 62 190509 (in Chinese) [张玉梅, 吴晓军, 白树林 2013 62 190509]
[4]	Ma Q L, Liu W N, Sun D H 2012 Acta Phys. Sin. 61 169501 (in Chinese) [马庆禄, 刘卫宁, 孙棣华 2012 61 169501]
[5]	Bi J, Guan W 2012 Chin. Phys. B 21 068901
[6]	Zhang Y, Guan W 2009 Acta Phys. Sin. 58 756 (in Chinese) [张勇, 关伟 2009 58 756]
[7]	Cong R, Liu S L, Ma R 2008 Acta Phys. Sin. 57 7487 (in Chinese) [从蕊, 刘树林, 马锐 2008 57 7487]
[8]	Qi C, Hou Z S 2012 Cont Theo. Applic 29 465 (in Chinese) [齐驰, 侯忠生 2012 控制理论与应用 29 465]
[9]	Yao Z S, Shao C F 2007 China J. High. Trans. 20 113 (in Chinese) [姚智胜, 邵春福 2007 中国公路学报 20 113]
[10]	Xie J, Wu W 2011 J. Tongji Univ. (Nature Science) 39 1297 (in Chinese) [谢军, 吴伟 2011 同济大学学报 (自然科学版) 39 1297]
[11]	Ma L C, Xu W L 2011 Cont. Deci. 26 789 (in Chinese) [马林才, 许玮珑 2011 控制与决策 26 789]
[12]	Zang L L, Jia L 2007 China J. High. Trans. 20 95 (in Chinese) [臧利林, 贾磊 2007 中国公路学报 20 95]
[13]	Shen G J, Wang X H, Kong X J 2011 Sys. Eng. Theor. Pract. 31 561 (in Chinese) [沈国江, 王啸虎, 孔祥杰 2011 系统工程理论与实践 31 561]
[14]	Ding H, Zhang W H, Zheng X Y 2012 China J. High Trans. 25 126 (in Chinese) [丁恒, 张卫华, 郑小燕 2012 中国公路学报 25 126]
[15]	Don H H, Jia L M 2010 J. Trans. Sys. Eng. Info. Tech. 10 112 (in Chinese) [董宏辉, 贾利民 2010 交通运输系统工程与信息 10 112]
[16]	Kuncheva L I 2000 Proceedings of 4th International Conference on Knowledge Based Intelligent Engineering Systems and Allied Technologies Brighton, UK, Aug 30-Sept 1, 2000 p185
[17]	Kuncheva L I 2002 IEEE Trans. Sys. M. and Cyber. Part B: Cyber. 2 146
[18]	Verikas A Lipnickas A, Malmqvist K 1999 Patt. Recog. Lett. 4 429

[1]	刘奇, 李璞, 开超, 胡春强, 蔡强, 张建国, 徐兵杰. 基于时延光子储备池计算的混沌激光短期预测. , 2021, 70(15): 154209. doi: 10.7498/aps.70.20210355
[2]	田中大, 李树江, 王艳红, 高宪文. 短期风速时间序列混沌特性分析及预测. , 2015, 64(3): 030506. doi: 10.7498/aps.64.030506
[3]	宋长新, 马克, 秦川, 肖鹏. 结合稀疏编码和空间约束的红外图像聚类分割研究. , 2013, 62(4): 040702. doi: 10.7498/aps.62.040702
[4]	张玉梅, 吴晓军, 白树林. 交通流量序列混沌特性分析及DFPSOVF预测模型. , 2013, 62(19): 190509. doi: 10.7498/aps.62.190509
[5]	陈绍宽, 韦伟, 毛保华, 关伟. 基于改进时空Moran's I指数的道路交通状态特征分析. , 2013, 62(14): 148901. doi: 10.7498/aps.62.148901
[6]	毛媛, 郭立新, 丁慧芬, 刘伟. 基于高频雷达多普勒谱预测风向的一种新方法. , 2012, 61(4): 044201. doi: 10.7498/aps.61.044201
[7]	陈帝伊, 柳烨, 马孝义. 基于径向基函数神经网络的混沌时间序列相空间重构双参数联合估计. , 2012, 61(10): 100501. doi: 10.7498/aps.61.100501
[8]	张文专, 龙文, 焦建军. 基于差分进化算法的混沌时间序列预测模型参数组合优化. , 2012, 61(22): 220506. doi: 10.7498/aps.61.220506
[9]	马庆禄, 刘卫宁, 孙棣华. 道路交通流状态的多参数融合预测方法. , 2012, 61(16): 169501. doi: 10.7498/aps.61.169501
[10]	李鹤, 杨周, 张义民, 闻邦椿. 基于径向基神经网络预测的混沌时间序列嵌入维数估计方法. , 2011, 60(7): 070512. doi: 10.7498/aps.60.070512
[11]	李军, 张友鹏. 基于高斯过程的混沌时间序列单步与多步预测. , 2011, 60(7): 070513. doi: 10.7498/aps.60.070513
[12]	张春涛, 马千里, 彭宏. 基于信息熵优化相空间重构参数的混沌时间序列预测. , 2010, 59(11): 7623-7629. doi: 10.7498/aps.59.7623
[13]	马千里, 郑启伦, 彭宏, 覃姜维. 基于模糊边界模块化神经网络的混沌时间序列预测. , 2009, 58(3): 1410-1419. doi: 10.7498/aps.58.1410
[14]	王永生, 孙瑾, 王昌金, 范洪达. 变参数混沌时间序列的神经网络预测研究. , 2008, 57(10): 6120-6131. doi: 10.7498/aps.57.6120
[15]	闫华, 魏平, 肖先赐. 基于Bernstein多项式的自适应混沌时间序列预测算法. , 2007, 56(9): 5111-5118. doi: 10.7498/aps.56.5111
[16]	贺涛, 周正欧. 基于分形自仿射的混沌时间序列预测. , 2007, 56(2): 693-700. doi: 10.7498/aps.56.693
[17]	蔡俊伟, 胡寿松, 陶洪峰. 基于选择性支持向量机集成的混沌时间序列预测. , 2007, 56(12): 6820-6827. doi: 10.7498/aps.56.6820
[18]	张军峰, 胡寿松. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测. , 2007, 56(2): 713-719. doi: 10.7498/aps.56.713
[19]	叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. , 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
[20]	李军, 刘君华. 一种新型广义RBF神经网络在混沌时间序列预测中的研究. , 2005, 54(10): 4569-4577. doi: 10.7498/aps.54.4569

计量

文章访问数: 5894
PDF下载量: 581
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板