黄承锋, 陈一铭, 李元龙

(重庆交通大学 经济与管理学院, 重庆 400074)

0 引 言

近年来高速公路覆盖率日益增大, 交通管理难度越来越高, 同时随着社会经济总量不断提升, 车辆保有量逐年递增, 导致交通拥堵情况日益严峻, 这对行车成本、 环境污染、 事故发生概率、 出行时长均有巨大影响, 甚至会阻碍、 制约城际之间的发展协调性[1]。因此, 交通拥堵状况预测方法成为目前重点研究课题之一, 科学预测拥堵状况不仅能为及时疏通车流提供可靠的参考数据, 从而减少发生道路交通拥堵。

戢晓峰等[2]基于深度学习理论, 建立一种长短期记忆-支持向量机回归预测模型, 在预测节假日不同时段、 天气以及流量状态下的交通流时, 表现出较好的适用性； 蔡延光等[3]根据暴雨天气特点, 通过融合布谷鸟搜索改进算法与径向基函数神经网络, 设计出一种收敛速度较快、 预测精度较高的交通流预测模型； 温惠英等[4]在长短期记忆神经网络中融入遗传算法, 架构出预测性能较好的交通流预测模型。

虽然上述方法均有效预测出了高速公路的交通流, 但不能满足当前的预测精度需求, 因此, 笔者基于流量统计理念, 利用改进遗传算法设计了一种交通拥堵状况预测模型。将交通流量参数作为描述拥堵状况特征的物理量, 其具有客观反映拥堵状况的能力； 将固定检测技术与移动检测技术相结合, 使流量数据更准确； 为提升预测精度, 采取不同策略识别、 处理不同种类的异常数据；……