孙洪运， 杨金顺， 李林波， 吴 兵

(1.同济大学 道路与交通工程教育部重点实验室，上海 201804；2.青岛理工大学 汽车与交通学院，山东 青岛 266555)



降雨条件下城市快速路车速模糊神经网络预测方法

孙洪运1， 杨金顺2， 李林波1， 吴 兵1

(1.同济大学 道路与交通工程教育部重点实验室，上海 201804；2.青岛理工大学 汽车与交通学院，山东 青岛 266555)

为了提高降雨条件下快速路车速短时预测的准确性，考虑到各影响因素的模糊性以及影响作用非线性变化特点，提出了一个以交通量、占有率和降雨量为输入，以车速为输出的模糊神经网络预测方法.利用上海市快速路的交通流与气象数据确定了最优模型结构，并与自回归积分滑动平均模型、反向传播神经网络模型和支持向量机模型进行对比分析.该方法的预测均方根误差为3.05 km·h-1，预测平均误差为3.95%，均优于其他3种方法.

快速路； 车速预测； 模糊神经网络； 交通状态； 降雨

车速是宏观交通流参数之一，是计算道路行程时间和评价交通拥挤的基础，也是主动交通管理和出行信息发布的依据，因此准确预测车速的重要性不言而喻.居民出行和交通运输都是暴露在自然环境之下的，难免不受恶劣气象条件的干扰.特别在日益频繁的强降雨条件下，较小路面摩擦系数和较低能见度条件改变了降雨天快速路交通流特性，比如自由流车速下降、运行速度方差增大、交通流量-密度-速度三参数呈现不同函数关系[1].这些结果表明降雨天……