智慧交通背景下的短時交通流量預測研究

林麒麟　石欣鑫　俸世洲

【摘 要】智能交通是智慧城市建設中不可或缺的一個重要板塊，交通規劃和交通誘導成為交通領域的研究熱點。準確的交通流量預測是實現交通規劃和誘導的前提。交通流量預測主要分為長期預測和短時預測，長期預測主要是以天、月甚至年為時間單位，進行宏觀意義上的預測，短時預測一般時間跨度不超過15分鐘。本文主要以短時預測為研究對象，采用小波神經網絡算法對某地區進行預測研究。實驗結果表明，該方法能夠較好地實現該地區短時交通流量的預測，對智慧交通中的規劃誘導有著重要的實際意義。

【關鍵詞】智慧交通;小波神經網絡;短時交通流量;預測

中圖分類號： TP183;U491.14 文獻標識碼： A 文章編號： 2095-2457（2019）19-0058-002

DOI：10.19694/j.cnki.issn2095-2457.2019.19.026

0 引言

隨著社會科技水平的不斷發展，智慧城市的建設逐步開展起來，智慧交通是智慧城市建設的一個重要板塊，而有效的交通規劃和誘導則顯得尤為重要，進而成為智慧交通領域的研究的熱點問題[1]。本文主要以短時交通流量預測為研究對象，對某地區的交通情況進行預測研究。目前短時交通流量預測有很多理論方法，典型的方法是以統計分析方法為基礎，但隨著車流量的不斷增多，短時交通流處于波動狀態，以及頻繁的交通擁擠特征，造成交通流量數據呈現非線性變化，使得傳統的線性預測方法難以滿足預測精度的需求[2-3]。神經網絡智能算法能夠實現交通流量的非線性預測研究，據此本文采用小波神經網絡算法。經實驗研究表明小波神經網絡能夠較好地實現該地區短時交通流量的預測，對智慧交通中的規劃誘導具有一定的實際價值。

1 交通流量預測在智慧交通中的作用

隨著我國城市經濟水平的迅速提高，交通基礎設施建設加快，城市交通需求大幅增加，交通供需矛盾日益突出，交通擁堵、交通污染、交通事故頻發、停車難等一系列問題已成為制約城市社會與經濟發展的瓶頸，成為當前交通管理部門關注的焦點。

如圖1所示，在紛雜的十字路口車流量眾多，如何利用監測設備獲取相關車流量數據信息，通過交通流量分析和態勢分析，實時分析當前城市道路擁堵情況，顯得尤為重要。

2 小波神經網絡

小波神經網絡以BP神經網絡為基礎，同時把小波基函數作為隱含層傳遞函數的一種神經網絡，具體網絡拓撲結構如圖2所示。

如圖2所示，在網絡訓練過程中，需要確立交通流量輸入層樣本xi，選取小波基函數？準作為激活函數，輸出層傳遞函數？漬，同時確定輸入層、隱含層以及輸出層節點個數，即可進行交通流量預測的訓練，并在訓練過程中不斷調整連接權值wij、wki以及閾值？茲i和ak，確定最終的網絡結構和相關參數。最后確定最終的網絡結構和相關參數，即可完成對交通流量的預測分析。

3 實例分析

本文采用國內某地區關鍵路段的流量數據作為樣本分析，采樣間隔為15min，其中300組數據作為訓練集樣本，100組作為測試集樣本用于測試網絡預測的準確性研究。具體訓練流程如圖3所示。首先構建小波神經網絡模型，進行系統建模，然后進行網絡訓練，其中包括網絡初始化，網絡權值閾值的調整，再判斷網絡訓練是否結束，如果未結束繼續進行網絡訓練，如果訓練結束則進行網絡測試，進行預測分析，預測結果如圖4所示。由圖4可知，采用小波神經網絡模型對車流量進行預測，能夠較好地實現預測性分析，準確率較高。

4 結論

本文在智慧交通背景下，針對關鍵路段車流量進行預測性分析研究。本文首先強調了交通流量預測在智慧交通中的重要作用，然后通過建立小波神經網絡模型，實現對某地區關鍵路段短時車流量的準確預測，實驗結果表明該模型對實際交通流量預測具有一定的實際意義。

【參考文獻】

[1]李波.基于小波分析和遺傳神經網絡的短時城市交通流量預測研究[D].北京：北京交通大學，2012.

[2]謝忠玉，韓桂華，初紅霞，等.兩種短時交通流混沌預測方法分析[J].交通科技與經濟，2011，13（4）：110-112.

[3]錢偉，車凱，李冰鋒.基于組合模型的短時交通流量預測[J].控制工程，2019，26（1）：125-130.