基于交通因子状态网络的城市交叉口交通流预测

来源：中国血液净化杂志2021年第12期北京时间：

作者：张伟斌, 张帅, 郭海锋, 冯姚瑶

单位：1. 南京理工大学 电子工程与光电技术学院, 江苏 南京 210094;2. 浙江工业大学 信息工程学院, 浙江 杭州 310014"],"fundList_en":["National Natural Science Foundation of China (71971116, 52072343); Zhejiang Provincial Natural Science Foundation (LY20E080023)

摘要：信息技术的快速发展，为交通研究和城市交通管理提供了大规模、多样化的数据资源，并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统，采用数据驱动与领域知识结合的方式，建立微观层次的交通因子状态网络模型（Traffic Factor State Network，TFSN），考察交通因素之间的相互关联，并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响，通过对交通流数据进行聚类分析，估算出对应于环境影响因子的交通状态，并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地，基于不同交通状态下的交通流数据建立高阶多元马尔可夫链，进行交通流预测，并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性；直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%，而不同交通状态下交通流预测的平均绝对百分比误差为16.99%，相比直接预测误差下降了7.62%，验证了所提出的微观交通因子状态网络的有效性和可用性。

关键词：交通工程,交通流预测,EM算法,交通因子状态网络模型,高阶多元马尔可夫链,聚类性能指标

基金资助：国家自然科学基金项目（71971116，52072343）；浙江省自然科学基金项目（LY20E080023）