论文部分内容阅读
城市道路的短期交通流数据是高度非线性的且随时问发生变化的,尤其是当交通高峰期开始和结束时变化最为突兀。因此,本文提出和应用一个非线性时间序列模型——马尔柯夫转换模型对短期交通流进行预测,因为这个模型非常适合描述城市短期交通流数据生产过程中的非线性特征。本文将交通流条件划分为两个状态,其正好对应于马尔柯夫转换模型的两个制度。在不同交通流条件状态下交通流具有不同的变化机制,且不同状态之间的转换是受一个一阶马尔柯夫链所控制的概率所决定。试验结果表明这个模型能够对城市道路上5min间隔的短期交通流进行精确的实时预测。