楊鑫 趙靜 孫雨晴

摘要：文章根據(jù)交通流特性對(duì)采集到的交通流數(shù)據(jù)進(jìn)行錯(cuò)誤數(shù)據(jù)的鑒別、缺失數(shù)據(jù)的補(bǔ)充、以及遴選數(shù)據(jù)的歸一化等預(yù)處理操作，構(gòu)建基于支持向量機(jī)的短時(shí)交通流預(yù)測(cè)模型。通過對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)，并與實(shí)際測(cè)試數(shù)據(jù)進(jìn)行對(duì)比發(fā)現(xiàn)，支持向量機(jī)回歸模型在短時(shí)交通流預(yù)測(cè)方面是可行的。

關(guān)鍵詞：交通流;數(shù)據(jù)預(yù)測(cè);支持向量機(jī)

一、交通流基本特征參數(shù)

研究交通流狀態(tài)需對(duì)實(shí)時(shí)交通流進(jìn)行評(píng)價(jià)，即選取一些定性和定量指標(biāo)，對(duì)交通流的基本特征參數(shù)進(jìn)行比較全面的描述。

（一）速度

速度是指單位時(shí)間內(nèi)所行駛的距離，通常用 v表示，單位是距離/單位時(shí)間。在交通流的狀態(tài)描述中，速度通常有兩種方法：一種是指在特定觀測(cè)地點(diǎn)的速度，一般使用地點(diǎn)平均車速;另一種是指特定路段的車速情況，用于表現(xiàn)空間運(yùn)行狀態(tài)的為路段的區(qū)間平均車速。地點(diǎn)平均車速是指具體道路上的某一個(gè)特定斷面在單位時(shí)間段內(nèi)所通過的所有車輛的瞬時(shí)速度的平均值;路段的區(qū)間平均車速是指該路段的長(zhǎng)度與在該路段所通過所有車輛的平均行駛時(shí)間之比

（二）密度

密度是指在單位長(zhǎng)度的道路上某一時(shí)間瞬時(shí)所行駛的車輛的總數(shù)，通常用k表示，單位是輛/單位長(zhǎng)度。由于密度是瞬時(shí)值，使用電子檢測(cè)相關(guān)設(shè)備并不容易獲得，同時(shí)也存在許多檢測(cè)困難。因此，密度一般會(huì)用車輛道路占有率替換。車輛道路占有率主要包括空間上的占有率與時(shí)間上的占有率。

（三）交通量

交通量是指在單位時(shí)間內(nèi)通過道路上的某一個(gè)路段截面的實(shí)際車輛數(shù)，單位為輛/單位時(shí)間，通常用q表示，用來衡量城市道路交通狀態(tài)。

（四）宏觀上交通流的三個(gè)基本參數(shù)模型

交通流的三個(gè)基本參數(shù)是指流量、速度和密度。它們之間的關(guān)系反映為交通流的速度-密度模型、速度-流量模型與流量-密度模型。道路交通流基本參數(shù)關(guān)系模型是指流量q、速度v和密度k之間的關(guān)系，也可以通過以下的關(guān)系表達(dá)式來說明：

二、支持向量機(jī)理論基礎(chǔ)

（一）機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是指專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以逐步完善自身的知識(shí)結(jié)構(gòu)體系。該模型通過研究與挖掘數(shù)據(jù)之間的內(nèi)在關(guān)系，找出其內(nèi)部規(guī)律，并利用這種規(guī)律對(duì)未來的數(shù)據(jù)進(jìn)行有效預(yù)測(cè)。

（二）經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化

機(jī)器學(xué)習(xí)的根本目的是實(shí)現(xiàn)期望風(fēng)險(xiǎn)最小化。回歸估計(jì)解決問題的實(shí)質(zhì)是通過構(gòu)造可行的最優(yōu)函數(shù)的機(jī)器學(xué)習(xí)過程。由于事先并不知道數(shù)據(jù)集的真實(shí)聯(lián)合概率分布 F（x，y），因此測(cè)試樣本與預(yù)產(chǎn)生兩者之間的偏差即經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化準(zhǔn)則的經(jīng)驗(yàn)風(fēng)險(xiǎn)：

經(jīng)驗(yàn)風(fēng)險(xiǎn)是指根據(jù)訓(xùn)練樣本的數(shù)據(jù)和經(jīng)驗(yàn)來確定的值，經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則是指用經(jīng)驗(yàn)風(fēng)險(xiǎn) Remp（w）最小化代替期望風(fēng)險(xiǎn)R（w）最小化來進(jìn)行計(jì)算。

（三）支持向量機(jī)原理

支持向量機(jī)的基本思想是在高維空間中尋找超平面，從而達(dá)到樣本分類的目的，并使分類的間隔達(dá)到最大。因而應(yīng)滿足：

利用對(duì)偶原理將拉格朗日函數(shù)轉(zhuǎn)化為求解如下泛函數(shù)的優(yōu)化問題：

三、支持向量機(jī)短時(shí)交通流建模

根據(jù)需要選擇及補(bǔ)充相應(yīng)數(shù)據(jù)，確定試驗(yàn)的數(shù)據(jù)源。文章采用的是早高峰時(shí)段的流量數(shù)據(jù)以及對(duì)應(yīng)的時(shí)段。

（二）通過對(duì)數(shù)據(jù)的分析來確定核函數(shù)以及懲罰因子和損失函數(shù)等相關(guān)系數(shù)。

（三）通過構(gòu)造最優(yōu)化問題，并輸入樣本值和預(yù)測(cè)值進(jìn)行求解：

（四）由最優(yōu)解建立決策函數(shù)，并使用測(cè)試集數(shù)據(jù)對(duì)未來時(shí)刻的交通量進(jìn)行有效預(yù)測(cè)。

（五）應(yīng)用MATLABl軟件中的LIBSVM工具進(jìn)行訓(xùn)練求解，得出短時(shí)交通流預(yù)測(cè)結(jié)果。

四、仿真結(jié)果分析

結(jié)合文章使用的支持向量機(jī)的短時(shí)交通流預(yù)測(cè)模型，對(duì)某段路早高峰實(shí)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖1所示。

從上圖可以看出，整個(gè)回歸模型實(shí)現(xiàn)了良好預(yù)測(cè)，預(yù)測(cè)序列與原序列具有較好的擬合程度，并達(dá)到了一定的精度，這說明該模型具有可行性，并且在實(shí)際工程中具有良好的適用性。文章在探討核函數(shù)對(duì)短時(shí)交通流的預(yù)測(cè)效果時(shí)，對(duì)預(yù)測(cè)有影響的滯后時(shí)段d控制不變，同時(shí)實(shí)驗(yàn)的數(shù)據(jù)選取的是早高峰階段即6：00—8：00的五分鐘流量數(shù)據(jù)，控制了其他影響因素后來說明核函數(shù)的變化對(duì)預(yù)測(cè)效果的影響。

參考文獻(xiàn)

[1]姚智勝，邵春福.基于狀態(tài)空間模型的道路交通狀態(tài)多點(diǎn)時(shí)間序列預(yù)測(cè)[J].中國(guó)公路學(xué)報(bào)，2007（7）：113-117.

[2]張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J].自動(dòng)化學(xué)報(bào)，2000（1）：11.

[3]劉靜，關(guān)偉.交通流預(yù)測(cè)方法綜述[J].公路交通科技，2004（3）：82-85.