智慧交通背景下的短时交通流量预测研究

林麒麟　石欣鑫　俸世洲

【摘 要】智能交通是智慧城市建设中不可或缺的一个重要板块，交通规划和交通诱导成为交通领域的研究热点。准确的交通流量预测是实现交通规划和诱导的前提。交通流量预测主要分为长期预测和短时预测，长期预测主要是以天、月甚至年为时间单位，进行宏观意义上的预测，短时预测一般时间跨度不超过15分钟。本文主要以短时预测为研究对象，采用小波神经网絡算法对某地区进行预测研究。实验结果表明，该方法能够较好地实现该地区短时交通流量的预测，对智慧交通中的规划诱导有着重要的实际意义。

【关键词】智慧交通;小波神经网络;短时交通流量;预测

中图分类号： TP183;U491.14 文献标识码： A 文章编号： 2095-2457（2019）19-0058-002

DOI：10.19694/j.cnki.issn2095-2457.2019.19.026

0 引言

随着社会科技水平的不断发展，智慧城市的建设逐步开展起来，智慧交通是智慧城市建设的一个重要板块，而有效的交通规划和诱导则显得尤为重要，进而成为智慧交通领域的研究的热点问题[1]。本文主要以短时交通流量预测为研究对象，对某地区的交通情况进行预测研究。目前短时交通流量预测有很多理论方法，典型的方法是以统计分析方法为基础，但随着车流量的不断增多，短时交通流处于波动状态，以及频繁的交通拥挤特征，造成交通流量数据呈现非线性变化，使得传统的线性预测方法难以满足预测精度的需求[2-3]。神经网络智能算法能够实现交通流量的非线性预测研究，据此本文采用小波神经网络算法。经实验研究表明小波神经网络能够较好地实现该地区短时交通流量的预测，对智慧交通中的规划诱导具有一定的实际价值。

1 交通流量预测在智慧交通中的作用

随着我国城市经济水平的迅速提高，交通基础设施建设加快，城市交通需求大幅增加，交通供需矛盾日益突出，交通拥堵、交通污染、交通事故频发、停车难等一系列问题已成为制约城市社会与经济发展的瓶颈，成为当前交通管理部门关注的焦点。

如图1所示，在纷杂的十字路口车流量众多，如何利用监测设备获取相关车流量数据信息，通过交通流量分析和态势分析，实时分析当前城市道路拥堵情况，显得尤为重要。

2 小波神经网络

小波神经网络以BP神经网络为基础，同时把小波基函数作为隐含层传递函数的一种神经网络，具体网络拓扑结构如图2所示。

如图2所示，在网络训练过程中，需要确立交通流量输入层样本xi，选取小波基函数？准作为激活函数，输出层传递函数？渍，同时确定输入层、隐含层以及输出层节点个数，即可进行交通流量预测的训练，并在训练过程中不断调整连接权值wij、wki以及阈值？兹i和ak，确定最终的网络结构和相关参数。最后确定最终的网络结构和相关参数，即可完成对交通流量的预测分析。

3 实例分析

本文采用国内某地区关键路段的流量数据作为样本分析，采样间隔为15min，其中300组数据作为训练集样本，100组作为测试集样本用于测试网络预测的准确性研究。具体训练流程如图3所示。首先构建小波神经网络模型，进行系统建模，然后进行网络训练，其中包括网络初始化，网络权值阈值的调整，再判断网络训练是否结束，如果未结束继续进行网络训练，如果训练结束则进行网络测试，进行预测分析，预测结果如图4所示。由图4可知，采用小波神经网络模型对车流量进行预测，能够较好地实现预测性分析，准确率较高。

4 结论

本文在智慧交通背景下，针对关键路段车流量进行预测性分析研究。本文首先强调了交通流量预测在智慧交通中的重要作用，然后通过建立小波神经网络模型，实现对某地区关键路段短时车流量的准确预测，实验结果表明该模型对实际交通流量预测具有一定的实际意义。

【参考文献】

[1]李波.基于小波分析和遗传神经网络的短时城市交通流量预测研究[D].北京：北京交通大学，2012.

[2]谢忠玉，韩桂华，初红霞，等.两种短时交通流混沌预测方法分析[J].交通科技与经济，2011，13（4）：110-112.

[3]钱伟，车凯，李冰锋.基于组合模型的短时交通流量预测[J].控制工程，2019，26（1）：125-130.