刘小明，田玉林，唐少虎，尚春琳，魏 路

(1.北方工业大学城市道路交通智能控制技术北京市重点实验室，北京100043；2.北京联合大学城市轨道交通与物流学院，北京100101)

0 引 言

近年来，城市化进程逐渐加快，交通需求快速增加，城市道路交通压力不断升高，交通信号主动控制成为缓解城市交通问题的重要手段之一，交通路网短时交通流预测是实现主动优化的关键.道路交通流预测是车辆路径规划的重要参考，可以帮助出行者做出更好的路径选择；对交通管理也起着较大作用，可以及时、主动地将路网时间和空间资源进行按需分配，提高交通出行效率及路网运行的稳定性.

交通流运行具有明显的复杂性和不确定性，获取其准确的预测结果有一定难度.国内外学者对此进行大量的研究和探索，取得一定的成果.广泛使用的预测模型有：历史平均模型、时间序列模型、状态空间模型、神经网络模型、非参数回归模型、支持向量机模型等[1]，但多数模型是利用目标路段的历史交通流数据，未能充分利用路网内其他相关路段的交通流信息，对交通流传输特性参数提取不充分，会在一定程度上影响预测结果.

根据交通数据来源点位置不同，将交通流预测分为单断面预测和多断面预测.单断面交通流预测仅对本断面的交通流特性进行建模，忽略了路网中不同断面之间的关联信息，模型鲁棒性通常较差，易受噪声干扰.多断面交通流预测利用……