有 自回归 模 型 （ ） 滑 动 平 均 模 型 （ ＡＲ 、 ＭＡ） 自 回归 滑 动 、
平均模型 （ ＭＡ） ＡＲ 、历史 平均模 型 （ ＨＡ）等等 ，这些 模 型 比较简单 ，难 以处理 随机干扰 因素对 交通 流 的影 响 ，预
测 精 度 不 高 。无 模 型 算 法 主 要 有 卡 尔 曼 滤 波 ，小 波 分 析 ，
中 图法 分 类 号 ：Ｔ １ 文 献 标 识 号 ：Ａ 文 章 编 号 ：１０ ～０ ４ （０ ２ ５１ ５ —５ Ｐ８ ０ ０７２ ２ １ ）０ —９３０
Ｒｅ ｅ ｒ ｈ ｏ ｒ ｄ ｃ ｉ ｎ ｏ ｈ ｈ ｒ —ｅ ｍ ｒ ｆｉ ｌ ｗ ａ ｅ ｎ ｃｏ ｄ ｍ ｏ ｅ ｓ ａ ｃ ｎ ｐ ｅ ｉｔｏ ｆｔ ｅ ｓ ｏ ｔｔ ｒ ｔ ａ ｆｃ ｆ ｏ ｂ ｓ ｄ ｏ ｌｕ ｄ ｌ
合 考 虑 了模 糊 性 、 随 机 性 以及 二 者 之 间 的 关 联 性 ，实 现 了
数字特征用期望 值 、熵 和超熵 ３个数 值表征 ，它把 随机性 和模糊性完全集合到一起 ，构成定性和 定量相互 间的映射 。
因而 很 适 合 短 时 交 通 流 的 高 度 随 机 性 、 模 糊 性 和 非 线
ｔ ｒｃ ｌ ｌ ｕ ｎ ｈ ｒ ｓ ｎ ｌ ｕ ｒ ｕ ｌ ｂ ｉｔ ｒｃ ｌ ｒ ｆｉ ｆｏ ａ ｄ ｐ ｅ ｅ ｔｔａ ｆ ｌ ｗ． Ｔｈ ｏ ｅ ａ ｔｃｏ ｄ ｉ ｒ ｄ ｃ ｄ ｂ ｏ ｉａ ｏ ｄ ａ ｄ ｔ ｅ ｐ ｅ ｅ ｔｃｏ ｄ ａ ｅ ｂ ｉ ｙ ｈ ｓ ｏ ｉａ ａ ｆ ｌｗ ｎ ｒ ｓ ｎ ｒ ｆｉ ｆ ｃ ｔ ｔ ｃ ｃ ｏ ｅ ｆ ｒ ｃ ｓ ｌ ｕ ｓｐ ｏ ｕ ｅ ｙ ｂ ｔ ｌｕ ｓ ｏ ｈ ｃｏ ｄ ．Ｔｈ ｎ，ｃ ｍｂ ｎ ｎ ｔ ｈ ｏ ｕ ｆｔ ｅ ｓ ｏ ｔｔ ｒ ｔａ ｆ ｌ ｗ ｆａ ｎ ｅ ｓ ｃｉ ｎ ｉ ａ ｇ ｈ ｕ ｃｔ ｅ ｏ ｉ ｉ ｇ ｗｉ ｔ ｅｖ ｌ ｍｅ ｏ ｈ ｈ ｒ－ ｅ ｍ ｒ ｆｉ ｆ ｈ ｃ ｏ ｏ ｎ ｉ ｔ ｒ ｅ ｔ ｎ Ｇｕ ｎ ｚ ｏ ｉ ｏ ｙ，ｔ ｅ ｍｏ ｅ ｉ ｈ ｄｌｓ
流和当前 交通 流 建立 历史 云 和 当前云 ，共 同生成 预测 云 ，
用来 预测 交通 流 量 ，既 考 虑 到 交 通 状 态 历 史 规 律 对 预 测 的 指 导 意 义 ，又 顾 及 了 实 时 交 通 的 时 变 性 ，实 现 了 短 时 交 通 变 化 的 自适 应 预 测 ， 同 时 很 好 地 避 开 了 噪 声 引 起 的 预 测 误 差 问 题 ，能 够 兼顾 预 测 精度 和 实 时 性 的 要 求 。
有数学模型算法ｌ。和无模 型算法［ 。数学 模型算法 主要 ＿ １ １ ４
０ 引 言
准确地进行短 时交通 流预测 是智能交 通系统 中的关键 ， 是 实现交通信 号 控 制 、交 通 分 配 、路 径 诱 导 、 自动 导 航 、
事 故 检 测 等 的 基 础 ，因 此 ，交 通 流 预 测 方 法 研 究 具 有 非 常 重要 的 意 义 ，但 是 短 时 交 通 流 预 测 存 在 高 度 随 机 性 、模 糊 性 和 非 线 性 特 点 ，一 直 是 很 多学 者 研 究 和解 决 的难 点 问 题 。 ２１ ０ ２年 ５月
计算机工程与设计
ＣＯＭ Ｐ ＵＴＥ ＥＮＧＩ Ｒ ＮＥＥ ＮＧ ＲＩ ＡＮＤ ＤＥＳ ＧＮ Ｉ
Ｍａ ０２ ｖ２ １
第 ３ ３卷
第 ５ 期
Ｖｏ Ｉ ３ Ｎｏ ５ ｌ３ ．
基 于 云模 型 的短 时 交通 流预 测 方 法 研 究
刘 芹 。 ，徐 建 闽。
性特点 。
定性概念与定量数 值之 间 的 自然转 换 ，非常 适合交 通流 的
随机 性 和 非 线 性 性 。基 于 云 模 型 的 交 通 流 预 测 是 将 交 通 流
２ 基 于云模 型 的短 时交通 流预 测方 法
２ １ 问 题 描 述 ．
做整体性处理 ，利用 云模型拟 合交 通流 ，分别 用历 史交 通
（ ．仲 恺农 业工程 学院 机 电工程 学 院 ，广 东 广 州 ５ ０ ２ ； １ １ ２ ５ ２ ．华 南理 工 大 学 土 木与 交通 学 院 ，广 东 广 州 ５ ０ ４ ） １ ６ １
摘 要 ：为 了提 高短 时 交 通 流 预 测 的 精 确 性 ，提 出 了一 种 基 于 云模 型 的 短 时 交 通 流 智 能 预 测 方 法 。 该 方 法 利 用 云模 型 拟 合
交 通 流 ，分 别 用历 史 交通 流和 当前 交 通 流 建 立 历 史云 和 当前 云 ，共 同 生 成 预 测 云 ， 用 来 预 测 交通 流 。 结 合 广 州 市 某 交 叉 口
交 通 流 量 采 集 数 据 ，进 行 了仿 真试 验 ，以 平 均 绝 对 误 差 （ ＭＡＥ 和 平 均 绝 对 百 分 比误 差 （ ） ＭＡＰ Ｅ） 两 个 指 标 来 衡 量 预 测 效
ｔ ｓ ｉ ａ ｅ ｔ ｅｅ ｆ ｃ ｆｐ ｅ ｉｔ ｎ Ｔｈ ｉ ｌｔｏ ｅ ｕ ｔ ｎ ｉ ｔ ｈ ｔｔ ｉ ｐ ｅ ｉｔ ｎ ｍ ｅｈ ｄ ｉ ｆｅ ｔ ｅ ａ ｄ ａ ｖ ｎ ｅ ． Ｔｈ ｏ ｅｔ ｍ ｔ ｈ ｆｅ ｔｏ ｒ ｄ ｃ ｉ ． ｏ ｅ ｓｍｕ ａ ｉｎ ｒ ｓ ｌｓ ｉ ｄ ｃ ｅ ｔ ａ ｈ ｓ ｒ ｄ ｃ ｉ ｔ ｏ Ｓ ｅｆ ｃ ｉ ｎ ｄ ａ ｃ ｄ ａ ｏ ｖ ｅ
果 ，结果表 明 了该预测方 法具有较 高的预 测精度 。该方法既考虑到 交通 流历史 变化 ，又顾及 交通 流实时变化 ，同时将 交通 流做整 体性处理 ，很好地避开 了噪 声引起 的预测误差 问题 ，兼顾 了预测精度和 实时性 的要 求。
关 键 词 ：智 能 交 通 系统 ； 云模 型 ；短 时 交通 流 ；预 测模 型 ；仿 真
ｃ ａ ｇ ｆ ｈ ｉｔ ｒｃ ｌ ｎ ｅ ｌ ｉ ｒ ｆｉ ｌｗ ａ ｅ ｔ ｃ ｏ ｎ ｈ ｓｍｅ ｈ ｄ ｈ ｎ ｅｏ ｅ ｈ ｓ ｏ ｉａ ｄ ｒ ａ ｍｅ ｔａ ｆｃｆ ｔ ａ ｔ ｏ ｉ ｔｋ ｎ ｉ ｏａ ｃ ｕ ｔｎ ｔ ｉ Ｓ ｎ ｉ ｔ ｏ ．Ｂｅ ａ ｓ ｈ ｈ ｒ－ ｅ ｍ ｒ ｆｉ ｆｏ ｉ ｅ ｌ ｃ ｕ ｅｔ ｅ ｓ ｏ ｔｔ ｒ ｔａ ｆ ｌ ｗ ｄ ａ ｔ ｃ Ｓ ｗｉ ｓ ａｗｈ ｌ ，ｔ ｅ ｅ ｒ ｒｏ ｒ ｄ ｃ ｉｎ ｉ ａ ｏ ｄ ｄ Ｔｈ ｒ ｄ ｃ ｉｎ ｐ ｅ ｉｉ ｎ ａ ｄ ｒ ａ－ ｉ ｒ ｄ ｃｉ ｎ ａ ｅ ｓ ｔｓｉｄ ｔ ａ ｏ ｅ ｈ ｒ ｏ ｆｐ ｅ ｉｔ ｖ ｉｅ ． ｈ ｏ Ｓ ｅ ｐ ｅ ｉｔ ｒ ｃｓｏ ｎ ｅ ｌ ｍｅ ｐ ｅ ｉｔ ｒ ａ ｉｆ ． ｏ ｔ ｏ ｅ Ｋｅ ｒ ｓ ｎ ｅ ｌ ｅ ｔｔ ａ ｓ ｏ ｔｓ ｓ ｅ ；ｃ ｏ ｄ ｍｏ ｅ ；ｓ ｏ ｔｔ ｒ ｔａ ｆｃｆＯ ；ｐ ｅ ｉｔ ｎ ｍｏ ｅ ；ｓｍｕ ａ ｉ ｎ ｙ ｗｏ ｄ ：ｉ ｔ ｌ ｇ ｎ ｒ ｎ ｐ ｒ ｙ ｔ ｍ ｉ ｌｕ ｄ ｌ ｈ ｒ－ ｅ ｍ ｒ ｆｉ ｌ Ｗ ｒ ｄ ｃ ｉ ｄ ｌ ｉ ｌｔ ｏ ｏ
神经 网络 等方 法 。卡 尔曼 滤波 不能 很好 反 映非 线性 特 性 ，
基于小波变换的方 法在 预测精度 上虽 然有一 定提 高 ，但 计
算量 比较大 ，神经网络方法训练 比较 复杂 ，所需数据量 大。 所以 ，交通流 短时 预测 模 型 中预测 精度 高 的计算 量 就 大 ， 难 以保证 短时交通 预测 的实时性 和 自适 应性 。而简单 的模
ｃ ｌｕ ａｅ ｎ ｉ ｌｔｄ ｔ ｒ ｕ ｈｐ ｏ ｒｍｍ ｉｇ ａｃ ｌｔｄａ ｄｓｍｕａ ｅ ｈ ｏ ｇ ｒｇ ａ ｎ ．Ｍ ａ ｂ ｏｕ ｅｅ ｒｒ（ ＡＥ）ａ ｄｍ ｅｎ ａ ｓ ｌ ｔ ｅｃ ｎ ｒｏ Ｍ ＡＰＥ）ａｅｕ ｅ ｘａ ｓ ｌｔ ｒｏ Ｍ ｎ ａ ｂ ｏｕ ｅｐ ｒｅ ｔｅ ｒ ｒ（ ｒ ｓｄ
ＬＩ Ｑｉ 。ＸＵ ｉｎ ｍｉ。 Ｕ ｎ Ｊａ － ｎ
（ ．Ｃ ｌ ｇｅｏ ｃ ａ ｉａ ｎ ｌ ｔｉａ Ｅ ｇｉｅ ｒ ｇ，Ｚ ｏ ｋ ｉ ｉｅ ｓ ｙ ｏ ｒ Ｎｔ ｒ ｎ ｎ ｉ ｅ ｒ ｇ，Ｇｕ ｎ ｚ ｏ １ ２ ５ Ｃｈｎ ； １ ｏｌ ｆＭｅ ｈ ｎｃ ｌａ ｄ Ｅ ｅ ｒ ｌ ｎ ｎ ｅ ｉ ｅ ｃ ｃ ｎ ｈ ｎ ａ ｖ ｒｉ ｆ ｇ Ｕｎ ｔ Ａｇ ｉ ｕ ｅ ａ ｄ Ｅ ｇｎ ｉ ｃ Ｎ ａ ｇ ｈ ｕ ５ ０ ２ ， ｉａ ２ ｏ ｌ ｇ ｆＣ ｖｌＥ ｇｎ ｅ ｎ ｎ ｒｎ ｐ ｒ ｔ ｎ，Ｓ ｕ ｈ Ｃｈｎ ｉｖ ｒｉ ｆ ｅ ｈ ｏｏ ｙ，Ｇｕ ｎ ｚ ｏ １ ６ １ Ｃｈｎ ） ．Ｃ ｌ ｅｏ ｉｉ ｎ ｉ ｅ ｒ ｇ ａ ｄ Ｔ ａ ｓ ｏ ｔ ｉ ｅ ｉ ａｏ ｏ ｔ ｉａ Ｕｎ ｅ ｔ ｏ ｃ ｎ ｌｇ ｓ ｙ Ｔ ａ ｇｈ ｕ５ ０ ４ ， ｉ ａ Ａｂ ｔ ａ ｔ Ｉ ｒ ｅ ｏ ｉ ｒ ｖ ｈ ｒ ｄ ｃ ｉｎ ｐ ｅ ｉｉｎ ｏ ｈ ｈ ｒ －ｅ ｍ ｒ ｆｉ ｌｗ ，ａ ｐ ｅ ｉ ｉｎ ｍｅ ｈ ｄ ｏ ｈ ｒ－ ｅ ｍ ｒ ｆｉ ｓｒ ｃ ： ｎ ｏ ｄ ｒｔ ｍｐ ｏ ｅ ｔ ｅ ｐ ｅ ｉｔ ｒ ｃｓｏ ｆｔ ｅ ｓ ｏ ｔｔ ｒ ｔ ａｆｃ ｆ ｏ ｏ ｒ ｄ ｃ ｏ ｔ ｏ ｆ ｓ ｏ ｔｔ ｒ ｔａ ｆ ｔ ｃ
自２ ０世纪 ６ Ｏ年代 开始 ，人 们就 开始 把其 它领域 应用 成熟
的预 测 模 型 用 于 短 时 交 通 流 预 测 领 域 ，到 目前 更 复 杂 的人 工 智 能方 法 的 引 入 ，短 时 交 通 流 预 测 的 方 法 总 得 来 说 主 要
收 稿 日期 ：２ １＿５２ ；修 订 日期 ：２ １－８０ ０ ｌ０ —７ ０ １０ —６ 基 金 项 目 ：国 家 自然 科 学 基 金 项 目 （０ ７ ０ ８ ；广 东 省 自然 基 金 项 目 （ １ １ ２ ５ １ ０ ０ ） ５８８８） ９ ５ ０ ２ ０ ０ ０ １