北京交通大学博士学位论文

事件发生的概率更大，因此，短时交通流预测的精度要比长期预测的精度高。由于交通流预测是实现智能交通系统中实时控制与诱导的前提，所以得到了广泛的关注和研究。交通流预测是指在当前时刻下，对下一决策时刻乃至以后若干时刻的交通流做出实时预测。一般认为预测时间跨度不超过１５ｍｉｎ（或小于５ｍｉｎ）的预测为短时（Ｓｈｏｒｔ．ｔｅｒｍ）交通流预测。预测的内容一般为交通流量、交通流速度、交通流密度（或占有率）、旅行时间等。

几十年来，世界各国的专家学者提出了多种短时交通流预测方法，分别为：回归分析预测方法【９３，９４］、时间序列预测方法【９５１、卡尔曼滤波方法［９６，９７】、神经网络预测方法【９８。１０２】等等。这些方各有优缺点，其中，移动平均法、指数平滑法因其计算过程比较简单，在预测时所需要的观测值不多等优点，在短期交通流预测中获得了广泛的应用。移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权，这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。运用指数平滑预测法进行预测时，首先需要解决的问题是确定平滑参数。目前各种介绍指数平滑预测方法的论着对平滑参数的选择都没有给出。－７＇１＇有效的方法，通常依靠预测者的经验和反复测试来确定。选择的平滑参数，在对原数列进行拟合时，效果都较差，从而影响了‘预测精度，以至于影响了该种方法的实际应用价值。本文通过近似动态规划算法的引入，提出了一种自适应单指数平滑法，将平滑系数东动态化，结合实际数据对指数平滑法中的参数进行优选，使得模型随预测过程自动更新，从而保证了预测的实时性、准确性。

１．４．３城市交通控制系统

城市交通控制包含的内容很多，从空间关系上进行划分，可将城市交通信号控制分为单点信号控制（点控）［１０３－１１３】、干线信号协调控制（线控）［１１４－１２１１和城市路网中心（区域）信号控制（面控）［１２２－１３０１三种控制方式，分别对应于独立单点路口、绿波带控制沿线路口和城市中某一区域内若干路口的交通信号控制。

其中，在点控方式中，文献［１０３］将信号配时优化问题转化为带约束条件下的线性规划问题，使得路口总延误时间最短；文献［９４］则通过绿灯时间的优化实现路口通行能力最大化；文献［１０６—１０７］将模糊控制算法应用到点控方式；文献［１１１，１１２］则分别将强化学习算法、Ｑ—Ｌｅａｒｎｉｎｇ方法引入到单交叉Ｌ＿』信号控制中，取得了不错的控制效果；在线控方式中，比较典型的是文献［１１４，１１５］中提出的ＭＡＸＢＡＮＤ方法，文献［１１６，１１７］则对上述方法进行：广扩展，使其更加完善；而在面控方式中，最著名的是文献［１２２，１２３］提出的离线区域信号优化配时软件１２