苗成生，刘海鸥

（1.广州汽车集团股份有限公司 汽车工程研究院，广东 广州511434；2.北京理工大学，北京100081）

交通流对车辆导航、自动驾驶车辆的路径和速度规划、交通系统的管控等都有重要作用。准确的交通流预测不仅有助于提高车辆的性能（用于改善规划方法和控制策略等），还可以用于改善车辆、交通控制管理（动态信号灯系统、交通管理系统、公共交通系统和商用车辆操作等），以合理调控交通，提高交通运行效率。

交通信息的预测方法可分为基于模型的预测方法和基于数据的预测方法［1］。基于模型的预测方法是根据交通流模型描述交通的动态变化规律，借助交通模型或仿真软件实现对未来交通的预测［2］。该类方法的重点是搭建准确的交通模型，可分为宏观模型［3］、中观模型［4］、微观模型［5］以及元胞自动机模型［6］等。此外，还有学者通过大量数据库及现有交通数据进行匹配，从数据库中找到适合当前交通特性的数据来预测未来情况［7］。基于模型的预测方法需要具有大量交通数据和先验知识，在使用时也需要进行复杂的数据处理、参数标定以及模型计算，实时应用的难度比较大。与之相比，基于数据的预测方法更快，更容易实现，使用当前和过去的交通数据来直接预测未来的交通状况，不需要使用复杂的交通模型。该类方法根据模型参数可划分为参数化方法和无参方法。参数化方法包含自回归积分移动平均模型（auto-regressive inte⁃grated moving average,ARIMA）及其衍生算法［8-10］、卡尔曼滤波法［11］等。……