公路短时交通流优化组合预测策略研究

【摘要】：短时交通流预测是目前智能交通领域研究的热点和难点之一。本文通过对组合预测理论和短时交通流数据的分析,发现形成“组合预测之谜”的三个主要原因;接下来提出对线性组合预测的两种实用性改进方法,即稳健统计方法和Bootstrap方法;最后通过一个具体的城市短时交通流数据进行验证,可提高组合预测准确率1%左右。 本文的主要工作如下: (1)通过对短时交通流数据的分析,发现用于组合预测的样本容量有限、复杂时间序列性质变化造成的预测误差分布对“理论总体分布”的偏差以及异常数据是形成“组合预测之谜”的三个主要原因。 (2)采用稳健统计方法改进线性组合预测。通过稳健估计量估计样本方差和相关系数,可以较好的改善Dickinson最优权重的实际表现性能,提高组合预测的准确率。 (3)采用改进的Bootstrap方法提高线性组合预测准确率。本文提出一种新的Bootstrap重抽样方法,即增加重抽样长度,减小重抽样次数。将改进后的Bootstrap方法应用到组合预测之中,可以减小样本容量有限带来的不利影响,提高组合预测的准确率。 (4)本文发现一种新的Sigmoid函数,可以实现对累积分布函数好的逼近效果。通过比较该函数和Fisher z变换与累积分布函数的差值,证实了这种Sigmoid函数可以实现比Fisher z变换对累积分布函数更好的逼近效果。