第３７卷 第２期２０１５年４月
武汉理工大学学报（信息与管理工程版）
ＪＯＵＲＮＡＬＯＦＷＵＴ（ＩＮＦＯＲＭＡＴＩＯＮ＆ＭＡＮＡＧＥＭＥＮＴＥＮＧＩＮＥＥＲＩＮＧ）
Ｖｏｌ．３７Ｎｏ．２Ａｐｒ．２０１５文章编号：２０９５－３８５２（２０１５）０２－０１５６－０５
文献标志码：Ａ
基于时空特性分析和数据融合的交通流预测
邱世崇１
，陆百川１，２
，马庆禄１
，邹 巍１
，张 勤
１
（１．重庆交通大学交通运输学院，重庆４０００７４；２．重庆交通大学重庆山地城市交通系统与安全实验室，重庆４０００７４）
摘 要：短时交通流预测是城市道路交通控制和交通诱导的关键技术之一，针对其考虑因素单一、预测精度不高的问题，提出了一种基于时空特性分析和数据融合的预测方法。首先，分析了交通流时间特性、时间相关性和基于时间序列数据的预测方法。其次，在对交通流空间特性、空间互相关性分析的基础上，提出了以相邻路段流量为自变量，采用多元逐步线性回归对目标路段流量估计预测的方法。最后，分析了交通流的时空关联特性，同时考虑到时间和空间因素，利用最小二乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果。仿真结果表明，对比单一时间序列和空间回归估计预测方法，所提出的方法有效提高了短时交通流预测精度。
关键词：城市道路；短时交通流预测；数据融合；时间特性；空间特性中图分类号：Ｕ４９５
ＤＯＩ：１０．３９６３／ｊ．ｉｓｓｎ．２０９５－３８５２．２０１５．０２．００７
收稿日期：２０１４－１０－１１．
作者简介：邱世崇（１９８７－），男，河北新河人，重庆交通大学交通运输学院硕士研究生．基金项目：国家山区公路工程技术研究中心开放基金资助项目（ｇｓｇｚｊ－２０１２－０８）．
随着我国经济社会的高速发展，国内汽车保
有量和人们的出行需求与日俱增，许多城市交通拥堵现象严重，成为现阶段共同关注的难题。为解决上述难题，自２０世纪８０年代以来，国内外开始大力发展智能交通系统（ＩＴＳ）。作为ＩＴＳ和交通诱导控制系统关键难点之一的道路短时交通流预测已成为时下研究的热点，且在国内外有较多研究成果。现有的预测方法主要包括５大类：基于传统统计理论的方法、基于知识发现的智能模型方法、基于非线性系统理论的方法、组合模型方法和其他预测方法。这些方法大多基于单一断面交通流时间变化特性，只关注交通流在时间上的变化规律，缺乏对城市路网交通流的整体分析，忽
略了相邻路段交通流变化对预测结果的影响［１］
。然而，城市路网中的路段不是孤立存在的，预测道路断面交通流参数除在时间维度上遵循其自身变化规律外，同时还受到上、下游道路交通状况的影响，上游路段交通流能通过道路载体以相似的分布特性传递给下游路段，下游道路的交通状态也
会反作用于上游道路［２］
。
现有的预测方法理论，在特定时间尺度和精度范围内能满足交通流预测需要，但随着交通科技的发展和人们对出行服务质量需求的提高，对
交通流预测提出了更高的要求，单一的预测方法难以提供更精确的预测信息。数据融合是对单源和多源的数据、信息进行关联、相关和组合，以得到更精细的位置和身份估计及完整和及时的态势评估过程
［３］
。因此，笔者在分析城市道路交通流
时空特性的基础上，引用求和自回归移动平均和小波神经网络两种基于交通流时间序列数据的预测方法，应用相关系数分析相邻路段对预测路段交通流的影响，由多元逐步线性回归建立预测路段交通流空间估计模型，最后引入数据融合算法，将基于时间序列数据的预测结果和基于空间互相关分析的预测结果进行融合，提高短时交通流预测精度，为交通控制和交通诱导系统提供更可靠的预测数据。
１ 交通流时间特性分析及预测
１．１ 交通流时间特性
城市道路是一个开放复杂的大系统，交通流变化受居民出行、天气、道路条件和环境等多种因素共同影响，通过对大量交通检测器数据进行分析，发现交通流在较长时间尺度内具有周期性和相似性，短时间内具有时变性、混沌性和相关性。