短时交通流复杂动力学特性分析及预测张洪宾.pdfVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 4 (2014) 040505 短时交通流复杂动力学特性分析及预测∗ 张洪宾 孙小端 贺玉龙 1)(北京工业大学, 交通工程北京市重点实验室, 北京 100124) 2)(德州学院汽车工程学院, 德州 253023) ( 2013 年7 月29 日收到; 2013 年11 月13 日收到修改稿) 为揭示短时交通流的内在动态特性, 利用非线性方法对交通流混沌特性进行识别, 为短时交通流的预测 提供基础. 基于混沌理论对交通流时间序列进行相空间重构, 利用C-C 算法计算时间延迟和嵌入维数, 采用 Grassberger-Procaccia 算法计算吸引子关联维数, 通过改进小数据量法计算最大Lyapunov 指数来判别交通 流时间序列的混沌特性. 针对局域自适应预测方法在交通流多步预测中预测器系数无法调节的问题, 提出了 交通流多步自适应预测方法. 通过实测数据计算, 结果表明: 2, 4 和5 min 三种统计尺度的交通流时间序列均 具有混沌特性; 改进的小数据量法能够准确地计算出最大Lyapunov 指数; 构建的交通流多步自适应预测模型 能够有效地预测交通流量的变化. 为智能交通系统诱导和控制提供了依据. 关键词: 交通流量, 混沌, 最大Lyapunov 指数, 多步自适应预测 PACS: 05.45.Tp, 05.45.–a, 01.75.+m DOI: 10.7498/aps.63.040505 结构建立动力学方程, 通常采用时间序列分析的 1 引 言 方法来研究, 通过计算该序列的最大Lyapunov 指 数来判定是否具有混沌特性. 目前计算最大Lya- 实时准确的短时交通流预测是实现智能交通 1 punov 指数的方法有主要有: Wolf 法 , Jocobian 诱导和控制的重要前提与关键. 短时交通流是指观 2 2 3 方法 、P 范数算法 、奇异值分解法 、小数据量 测尺度不超过15 min 的交通流, 从交通流实时管理 4 计算法 、基于小波变换的最大Lyapunov 指数计 的角度而言, 希望为城市交通控制系统以及诱导系 5 算法 . 小数据量计算法因计算量小, 容易操作, 统等提供短期交通流信息. 交通控制的最大周期 对小数据组比较可靠, 已得到广泛应用. 文献[6] 将 一般是3 min, 交通诱导的周期一般为5 min, 因此, 小数据量法应用于交通流混沌特性的识别; 文献[7] 如何在5 min 内准确地预测交通流是实现智能交通 通过用虚假临界点法计算嵌入维数完善小数据量 的关键. 短期交通流预测一般以路段某一断面观测 法, 研究了微观仿真交通流和实测车头间距时间序 数据所构成的时间序列为基础, 随着观测数据统计 列, 但没有将系统相空间中时间延迟和嵌入维数两 时间尺度的缩短, 实时性逐步提高. 交通流时间序 个参数联系起来. 列信号由于受到各种复杂因素的制约和影响, 表现