文 献 综 述

1. 选题研究的背景

2012年2月16日，北京市交管局宣布，北京机动车保有量已达到501.7万辆[1]。北京是全国路堵最严重的城市之一，即使实施了限号出行政策，在早晚流量高峰期间，整个城区的道路基本处于拥堵状态。因为交通拥堵问题，中国15座城市每天损失近10亿元。这些问题也并非我国的城市所独有，在日、美、英等国家，每年因交通拥堵所引起的经济损失分别为1000亿、630亿、340亿美元[2]。由于受到投资和资源的制约，或者有见效期短的局限，特别是在城市建成区难以通过拆迁来增建、拓建道路交通设施。以往解决交通堵塞的途径在当今社会越来越捉襟见肘。于是近年来，国内外学者越来越关注在已有的道路基础上建立智能交通系统（Intelligent Transportion System，简称ITS），从时间和空间上向出行者提供优化且高效率的交通诱导信息，来减低城市拥堵的状况，提高道路通行能力和服务质量。

ITS是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统[3]。交通诱导是ITS的重要组成部分，也是ITS实施的关键技术之一[4]。而交通诱导的实现需要在实时的道路检测数据的基础上利用各种预测模型和方法对获取的实时信息进行实时、可靠、准确的预测。就像凯西所说的，对于路径诱导来说，预测信息主要是在出行者到达交通网的下游时为其提供可靠的交通信息以便出行者做出合理的路径选择[5]；而事实上，由于缺乏未来交通信息的预测或者预测信息准确度较低，目前出行者还不能够对时变的交通状况做出更好的路径选择。

2.短时交通流预测国内外研究现状

交通流预测是利用已有的历史数据对未来时刻的交通流量进行预测的一种智能计算机技术。实时交通流预测的定义是指在时刻对下一个时刻（为预定的预测

时间间隔）乃至其后的若干时刻的交通流量进行的预测[6]。特别的，当不超过15min乃至小于5min的预测称之为短时（Short-term）交通流预测。在国际上，对于短时交通流预测的研究一直很活跃，几十年来，智能交通的研究人员在这一领域做了大量的研究工作，取得了显著的研究成果。相对于国外的研究，国内学者对短时交通预测的研究还处于理论探索阶段，国内的研究目前离实用还有一定的距离。

国内外常用的短时交通流预测方法介绍：

①时间序列分析法

AhmaedS.A和CookA.R在1979年首次将时间序列模型应用于交通流预测领域[7]。Stephanedes于1981年将历时评价模型应用于城市交通控制系统（UTCS）中。1984年，Okutani和Stephanedes将ARIMA(自回归指数移动平均)模型应用于（UTCS）中[8]。1993年，ARIMA模型又被Kim和Hobeika应用到高速公路交通流量预测中[9]。

但这种方法由于预测的模型考虑的因素比较的简单，未能反应预测对象过程的不确定性与非线性，无法克服随机干扰因素带来的影响，所以随着预测时间间隔的缩短，这些模型无法很好的应用在交通流量的短时预测之中。