短时交通量时间序列智能复合预测方法概述

短时交通量预测是智能运输系统的核心研究内容之一,已成为交通工程领域重点研究课题。对国内外短时交通量时间序列的预测方法尤其是智能复合预测方法进行概述和总结,重点介绍灰色预测模型、模糊预测、遗传算法、神经网络、灰色神经网络、神经网络集成、统计学习理论、混沌预测、小波分解与重构的方法、以及由上述模型互相组合构成的各种智能组合预测模型等,并指出智能复合预测方法是解决短时交通量时间序列预测问题的有效途径和发展趋势。

城市中心区交通量时间序列的分形特征

要解决城市中心区日益突现的交通问题,实施短周期交通诱导与控制被认为是有效手段.提出用R/S分析方法与分数布朗运动模型研究城市中心区交通量时间序列,求证其具备分形特征与长程相关性的命题,以达到为城市中心区实施短周期交通诱导与控制提供前提条件的目的.在阐述R/S分析基本原理的基础上,对于西安城市中心区交通量时间序列进行了实例研究:分别对于以15min、30min、45min、60min为时间间隔的4组交通量时间序列做R/S分析,结果表明4组交通量时间序列都存在Hurst现象;其H指数均符合0.5<H<1,从分数布朗运动规律衡量,西安城市中心区交通量时间序列是一个具有长程相关性的随机过程,体现着分形特征;根据H指数随时间间隔的变化情况,还探讨了城市中心区交通诱导与控制的适合周期长度.