邓 捷，郭桂林

（1.贵州交通职业技术学院，贵州 贵阳550008；2.重庆交通大学，重庆 400074）

伴随城市的快速发展，汽车数量逐年增加，交通拥堵问题已严重影响了人们的生活质量。智能交通被认为是解决交通问题的最有效方法，而交通控制及诱导是智能交通的核心部分，交通状态短时预测是交通控制及诱导的基础，精确地掌握交通状态信息能为交通管理部门制定出更加科学、合理的交通控制诱导方案。目前，交通状态短时预测方法主要有Kalman滤波、神经网络法、小波分析、动态交通分配及交通模拟法等。城市交通系统是一个非线性、时变的复杂大系统，具有很强的随机性。传统交通状态预测通常采用交通流三参数（速度、密度、流量）进行预测，车流速度能直观地反映出当时的道路交通状态，因此，本文通过对车流速度进行预测来判断交通状态。近年来，小波分析在信号处理上有了广泛的应用，在处理非线性问题时，由于在小波母函数及分解层数的选择上没有完善的理论支撑，克服了人为选取的局限性。经验模态分解（Empirical Mode Decomposition，EMD）则能很好地避免因人为因素而造成的巨大误差。张小蓟将舰船噪声信号分解，刘小峰将原始信号进行经验模态分解，然后利用小波包对出现模态混叠的分量进行再次分解，唐衍将EMD与ARMA结合，建立电力负荷短期预测模型，杨柳青将EMD与SVM相结合对航空客流量进行预测。支持向量机（Support Vector Machine，SVM）以结构风险最小化原则为基础，提高算法的泛化能力。……