交通流的非線性分析、預(yù)測(cè)和控制.pdf

1、交通流中的非線性特征是近年來(lái)興起的一個(gè)研究方向,其研究目地在于揭示交通流系統(tǒng)的各種非線性特征背后的形成機(jī)制,然后加以預(yù)測(cè)和控制。研究對(duì)象主要分為2類:一類是各種交通流模型,另一類是實(shí)際的交通流時(shí)間序列。本文以交通流的非線性分析、預(yù)測(cè)和控制為研究?jī)?nèi)容,重點(diǎn)進(jìn)行了以下的研究:
　　 (1)對(duì)宏觀和微觀的交通流時(shí)間序列進(jìn)行非線性檢驗(yàn),檢驗(yàn)方法有遞歸圖、替代數(shù)據(jù)法、CLY方法和功率譜,檢驗(yàn)結(jié)果表示宏觀和微觀交通流均具有周期性和隨機(jī)性,均

2、表現(xiàn)出混沌特征。
　　 (2)從三個(gè)方面分析微觀交通流時(shí)序的非線性特征。第一:采用提出的基于最小二乘支持向量機(jī)(LS-SVM)計(jì)算時(shí)間序列Lyapunov指數(shù)譜的方法分析了交通流的混沌和超混沌特征,計(jì)算結(jié)果表示交通流在擁擠狀態(tài)下出現(xiàn)超混沌。第二:提出通過(guò)速度時(shí)間序列的算法復(fù)雜度估計(jì)系統(tǒng)周期性成分的比率,通過(guò)速度變化率序列的近似熵估計(jì)系統(tǒng)在結(jié)構(gòu)變化上的復(fù)雜性。計(jì)算結(jié)果表明不同的復(fù)雜度值對(duì)應(yīng)交通流的不同狀態(tài)。第三:改進(jìn)了hurst指

3、數(shù)和多重分形譜的計(jì)算方法,然后采用hurst指數(shù)和多重分形譜分析不同狀態(tài)下交通流序列的分形結(jié)構(gòu)特征,結(jié)果表明交通流在不同狀態(tài)下的分形特征量值存在差異,因此具有不同的分形結(jié)構(gòu)。
　　 (3)對(duì)交通流預(yù)測(cè)的研究包括:一、提出一種改進(jìn)的基于最大Lyapunov指數(shù)的混沌時(shí)序預(yù)測(cè)方法。該方法選取了相空間中的多個(gè)鄰近重構(gòu)向量來(lái)提高預(yù)測(cè)精度,給出了計(jì)算步驟。對(duì)理論混沌序列預(yù)測(cè)的結(jié)果表明改進(jìn)方法要優(yōu)于原方法,討論了噪聲和鄰近參考點(diǎn)數(shù)對(duì)預(yù)測(cè)結(jié)果

4、的影響,并將該方法應(yīng)用到了對(duì)交通流的預(yù)測(cè)當(dāng)中。二,提出了基于最大Lyapunov指數(shù)的多變量混沌時(shí)間序列的預(yù)測(cè)方法。給出了算法步驟,并討論了噪聲、鄰近參考點(diǎn)數(shù)和預(yù)測(cè)步長(zhǎng)對(duì)預(yù)測(cè)效果的影響。對(duì)理論混沌序列預(yù)測(cè)的結(jié)果表明了提出方法的有效性,并將該方法應(yīng)用到了對(duì)交通流的多變量預(yù)測(cè)當(dāng)中。三,提出了一種預(yù)測(cè)交通流量的動(dòng)態(tài)組合建模方法。該方法將流量時(shí)間序列分解成周期項(xiàng)、趨勢(shì)項(xiàng)、混沌擾動(dòng)項(xiàng),采用季節(jié)性指數(shù)平滑法預(yù)測(cè)周期項(xiàng)和趨勢(shì)項(xiàng)之和,計(jì)算時(shí)分別取周期為

5、一天和一周,用帶遺忘因子的遞推最小二乘法確定權(quán)重,采用混沌預(yù)測(cè)的鄰域法預(yù)測(cè)混沌項(xiàng)。仿真結(jié)果表明了該方法的合理性和有效性。
　　 (4)依據(jù)變結(jié)構(gòu)控制理論,通過(guò)設(shè)計(jì)速度控制器使得交通流趨于穩(wěn)定和有序。提出了三種控制方法:連續(xù)宏觀交通流模型的近似變結(jié)構(gòu)控制；基于離散趨近律的離散交通流模型的變結(jié)構(gòu)控制；基于離散趨近律的離散交通流模型的預(yù)測(cè)變結(jié)構(gòu)控制。給出了算法步驟并進(jìn)行了仿真實(shí)驗(yàn),仿真結(jié)果表明提出的方法能夠?qū)⒔煌髅芏确€(wěn)定在一定范圍內(nèi)