交通流短时预测的相关性研究

交通运输系统工程与信息 ›› 2010, Vol. 10 ›› Issue (2): 117-121 .

交通流短时预测的相关性研究

姚智胜^*1;熊志华²;邵春福²

1.北京市城市规划设计研究院，北京 100045； 2.北京交通大学交通运输学院，北京 100044

收稿日期:2009-04-22 修回日期:2009-09-30 出版日期:2010-04-25 发布日期:2010-04-25
通讯作者: 姚智胜
作者简介:姚智胜（1979-），男，福建永春人，工程师，博士
基金资助:
973计划项目(2006CB705500)；国家自然科学基金项目(50578009)；北京交通大学科技基金资助项目（2007RC083）

Relation Analysis for Road Traffic Flow Short-term Forecasting

YAO Zhi-sheng¹; XIONG Zhi-hua²;SHAOChun-fu²

1.Beijing Municipal Institute of City Planning and Design, Beijing 100045, China; 2.School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China

Received:2009-04-22 Revised:2009-09-30 Online:2010-04-25 Published:2010-04-25
Contact: YAO Zhi-sheng

摘要/Abstract

摘要： 交通流短时预测中，多个检测点的道路交通状态间的时空联系是客观存在的，但以往研究中通常根据经验假定，很少定量研究其相关性. 本文引进了多元统计分析中的多维标度法对多断面时间序列的相关性进行定量分析，为合理进行多断面短时交通流预测研究提供基础. 首先，根据道路网多个断面各自的时间序列利用相关系数方法得到两两之间相关性的相关系数矩阵，然后，利用多维标度法将道路网中多个断面交通流的相关程度映射到一张二维拟合构图中，以拟合构图中代表各个断面的点之间的欧几里得距离来体现断面之间的相关强度，从而判别断面之间相关性强弱，确定道路网多断面短时交通流预测时相关性分组. 最后，根据相关性分析结果进行多断面交通流预测及效果比较，验证了方法的可行性和有效性.

关键词: 交通工程, 智能交通系统, 短时预测, 相关性, 多维标度法

Abstract: The relation of traffic state data and detective devices exists objectively, but previous attempts to perform short-time forecast are lack of quantitative analysis. Multidimensional scaling from theory of multivariate statistical analysis is proposed to describe the relation for road traffic flow short-term forecast in this paper. It was used to associate the relevance of traffic flows data from road cross-sections with a two dimensional chart of derived stimulus configuration. According to the chart, the strong or weak of the relativity of each road cross-section can be obtained, which supplied research range, object, and base of data analysis to short-term traffic flow forecasting models and methods with consideration of the variety of time and space of traffic flow. The proposed method is verified to be reasonable and effective.

Key words: traffic engineering, intelligent transportation system (ITS), short-term forecasting, relation analysis, multi-dimension

中图分类号:

U491

姚智胜,熊志华,邵春福. 交通流短时预测的相关性研究[J]. 交通运输系统工程与信息, 2010, 10(2): 117-121 .

YAO Zhi-sheng, XIONG Zhi-hua,SHAOChun-fu. Relation Analysis for Road Traffic Flow Short-term Forecasting[J]. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(2): 117-121 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract17955.shtml

http://www.tseit.org.cn/CN/Y2010/V10/I2/117

参考文献

［1］Joe Whittaker, Simon Garside, Karel Lindveld. Tracking and predicting a network traffic process［J］. International Journal of Forecasting, 1997, 13(1):51-61.

［2］Billy M, Williams. Multivariate vehicular traffic flow prediction-evaluation of ARIMAX modeling［J］. Transportation Research Record 1776, 2001:194-200.

［3］Anthony Stathopoulos, Matthew G, Karlaftis. Temporal and spatial variations of real-time traffic data in urban areas［J］. Transportation Research Record 1768, 2001:135-140.

［4］Anthony Stathopoulos, Matthew G.Karlaftis. A multivariate state space approach for urban traffic flow modeling and prediction［J］. Transportation Research Part C, 2003, 11(2):121-135.

［5］Yiannis Kamarianakis, Poulicos Prastacos. Forecasting traffic flow conditions in an urban network-comparision of multivariate and univariate approaches［J］.Transportation Research Record 1857,2003:74-84.

［6］Yiannis Kamarianakis and Poulicos Prastacos. Space-time modeling of traffic flow［J］. Computers & Geosciences, 2005, 31(2):119-133.

［7］Eleni I, Vlahogianni, Matthew G, Karlaftis. Optimization of hybrid neural network predictor for spatial traffic flow data treatment: genetic phase-space reconstruction［C］//Application of Advanced Technologies in Transportation Engineering: Proceedings of the Eighth International Conference, Beijing, China, 2004. Reston, USA:ASCE, 2004:18-22.

［8］姚智胜, 邵春福. 基于状态空间模型的道路交通状态多点时间序列预测［J］. 中国公路学报,2007,20(4):113-117.［YAO Z S, SHAO C F. Road traffic state based multi-spot time series forecasting on state space model［J］. China Journal of Highway and Transport, 2007, 20(4):113-117.］

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[8]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[9]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[10]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[11]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[12]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[13]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[14]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.
[15]	卢凯, 周志洁, 张勇刚, 赵世杰, 徐广辉. 面向单向交通路网的绿波协调设计方法[J]. 交通运输系统工程与信息, 2021, 21(6): 74-83.