基于少数据云推理的短时交通流预测模型

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (3): 64-69.

• 智能交通系统与信息技术 • 上一篇下一篇

基于少数据云推理的短时交通流预测模型

杨锦伟^1a,2, 肖新平^1a,郭金海^*1a,3,毛树华^1b

1. 武汉理工大学a. 理学院，b. 可靠性工程中心, 武汉430063；2. 平顶山学院数学与信息科学学院, 河南，平顶山 467000；3. 长江大学信息与数学学院, 湖北，荆州434023

收稿日期:2014-11-20 修回日期:2015-03-30 出版日期:2015-06-25 发布日期:2015-06-29
作者简介:杨锦伟（1983-），男，河南叶县人，博士生.
基金资助:
国家自然科学基金（51479151）；高校博士点基金（20120143110001）；教育部人文社科基金（11YJC630155）；平顶山学院中青年骨干教师培养资助（20128024）.

Short-term Traffic Flow Forecasting Model Based on Few Data Cloud Inference

YANG Jin-wei ^{1a, 2}, XIAO Xin-ping^1a, GUO Jin-hai^{1a, 3}, MAO Shu-hua^1b

1a. College of Science; 1b. Reliability Engineering Institute,Wuhan University of Technology,Wuhan 430063, China; 2. School of Mathematics and Information Science, Pingdingshan University, Pingdingshan 467000, Henan, China; 3. School of Information and Mathematics, Yangtze University, Jingzhou 434023, Hubei, China

Received:2014-11-20 Revised:2015-03-30 Online:2015-06-25 Published:2015-06-29

摘要/Abstract

摘要：

针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律，提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先，针对短时交通流的准周期规律，运用灰色关联分析提取不同日期相同时段历史序列中最相似序列；其次，提出少数据逆向云算法，建立交通流序列一维云推理机制；最后综合利用历史云及当前云生成预测云，用于短时交通流实时预测.实例分析表明，预测精度良好，能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题，降低了数据处理工作量，开拓了云模型在短时交通流中的应用.

关键词: 城市交通, 短时交通流预测, 少数据云推理, 灰关联分析, 云模型

Abstract:

Concerning the fuzziness and randomness characteristics and quasi-periodic regularity in shortterm traffic flow, a short-term traffic flow forecasting model is developed using grey relational analysis and few data cloud inference. Firstly, according to quasi-periodic regularity in short-term traffic flow, the most similar sequence in the history is extracted by gray relational analysis. Then, the backward cloud algorithm of few data is developed, which establishes the mechanism of one-dimensional cloud reasoning of traffic flow sequence. Finally, the prediction cloud is generated by a one-dimensional cloud inference of historical and current information. The results show that this model is used in forecasting short-term traffic flows and the accuracy is considerably improved. This proposed model solves the confirmation of forward cloud parameters under few data conditions, reducing the data processing workload and extending the application scope of the traditional cloud model.

Key words: urban traffic, short-term traffic flow forecasting, few data cloud inference, grey relational analysis, cloud model

中图分类号:

U491.1+4

杨锦伟, 肖新平,郭金海,毛树华. 基于少数据云推理的短时交通流预测模型[J]. 交通运输系统工程与信息, 2015, 15(3): 64-69.

YANG Jin-wei, XIAO Xin-ping, GUO Jin-hai, MAO Shu-hua. Short-term Traffic Flow Forecasting Model Based on Few Data Cloud Inference[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(3): 64-69.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18995.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I3/64

参考文献

[1] 高慧,赵建玉,贾磊.短时交通流预测方法综述[J].济南大学学报(自然科学版),2008,22(1):88-94. [GAO H, ZHAO J Y, JIA L. Summary of short-time traffic flow forecasting methods[J]. Journal of University of Jinan (Science and Technology), 2008,22(1):88-94.]

[2] Mao S H, Chen Y, Xiao X P. City traffic flow prediction based on improved GM(1,1) model[J]. The Journal of Grey System, 2012,24 (4): 337-346.

[3] 郭欢,肖新平, Jeffrey Forrest. 基于GM(1,1|t,r) 模型的城市道路短时交通流预测[J]. 交通运输系统工程与信息,2013,13(5): 60-66. [GUO H, XIAO X P, Jeffrey Forrest. Urban road short- term traffic flow forecasting based on the delay and nonlinear grey model[J]. Journal of Transportation Systems Engineering and Information Technology, 2013,13(5): 60-66.]

[4] 李德毅, 杜鹢. 不确定性人工智能(第2版)[M]. 北京:国防工业出版社,2014. [LI D Y, DU Y. Artificial intelligence with uncertainty(second edition) [M]. Beijing: National Defense Industry Press,2014.]

[5] 李悦, 陆化普, 张永波, 等. 基于云模型的城市快速路交通状态评价方法研究[J]. 公路工程, 2013,38(3):57- 60. [LI Y, LU H P, ZHANG Y B, et al. Cloudmodel based traffic state identification on urban expressway[J]. Highway Engineering, 2013,38(3):57- 60.]

[6] 贾顺平, 毛保华. 基于云推理的车辆跟驰模型CFCM 研究[J].交通运输系统工程与信息,2007,7(6):67-73. [JIA S P,MAO B H. Research on CFCM: Car following model based on cloud model theory[J]. Journal of Transportation Systems Engineering and Information Technology, 2007, 7(6):67-73.]

[7] 于少伟, 曹凯, 赵模. 基于一维云模型的交通信息预测算法[J].山东大学学报(工学版), 2007,37(2):121-126. [YU S W, CAO K, ZHAO M. Traffic information forecast algorithm based on the one-dimension cloud model[J]. Journal of Shandong University (Engineering Science), 2007, 37(2):121-126.]

[8] 廖瑞辉, 周晶. 基于云—自组织神经网络的交通流预测模型[J]. 交通运输系统工程与信息,2014, 14(4): 154-159. [LIAO R H, ZHOU J. Traffic flow forecasting model based on cloud-self-organizing neural network[J]. Journal of Transportation Systems Engineering and Information Technology, 2014,14(4): 154-159.]

[9] 刘思峰, 蔡华,杨英杰,等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践, 2013,33(8):2041-2046. [LIU S F, CAI H, YANG Y J, et al. Advance in grey incidence analysis modeling[J]. Systems Engineering- Theory & Practice, 2013,33(8):2041-2046.]

[10] 于少伟, 史忠科. 基于正态分布区间数的逆向云新算法[J].系统工程理论与实践,2011, 31(10):2021-2026. [YU S W, SHI Z K. New algorithm of backward cloud based on normal interval number[J]. Systems Engineering-Theory & Practice, 2011,31(10): 2021- 2026.]

[11] 秦昆, 王佩. 基于云变换的曲线拟合新方法[J].计算机工程与应用,2008,44(23):56- 60. [QIN K,WANG P. New method of curve fitting based on cloud transform[J]. Computer Engineering and Applications, 2008,44(23): 56-60.]

[12] 孟晖, 王树良, 李德毅. 基于云变换的概念提取及概念层次构建方法[J]. 吉林大学学报:工学版,2010,40 (3):782-787. [MENG H, WANG S L, LI D Y. Concept extraction and concept hierarchy construction based on cloud transformation[J]. Journal of Jilin University: Engineering and Technology Edition, 2010, 40 (3):782- 787.]

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[4]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[5]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[6]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[7]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[8]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[9]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[10]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[11]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[12]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[13]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.
[14]	牟振华, 汪寒冰, 林本江, 陈逸群, 金程程, 陈艳艳. 基于演化博弈的违章停车动态罚金策略效用仿真评价[J]. 交通运输系统工程与信息, 2022, 22(1): 152-162.
[15]	贾富强, 李引珍, 杨信丰, 马昌喜, 代存杰. 基于演化博弈的政府鼓励条件下共享停车行为分析[J]. 交通运输系统工程与信息, 2022, 22(1): 163-170.

基于少数据云推理的短时交通流预测模型

Short-term Traffic Flow Forecasting Model Based on Few Data Cloud Inference

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics