1、交通流中的非線性特征是近年來興起的一個研究方向,其研究目地在于揭示交通流系統(tǒng)的各種非線性特征背后的形成機制,然后加以預測和控制。研究對象主要分為2類:一類是各種交通流模型,另一類是實際的交通流時間序列。本文以交通流的非線性分析、預測和控制為研究內容,重點進行了以下的研究:
　　 (1)對宏觀和微觀的交通流時間序列進行非線性檢驗,檢驗方法有遞歸圖、替代數(shù)據法、CLY方法和功率譜,檢驗結果表示宏觀和微觀交通流均具有周期性和隨機性,均

2、表現(xiàn)出混沌特征。
　　 (2)從三個方面分析微觀交通流時序的非線性特征。第一:采用提出的基于最小二乘支持向量機(LS-SVM)計算時間序列Lyapunov指數(shù)譜的方法分析了交通流的混沌和超混沌特征,計算結果表示交通流在擁擠狀態(tài)下出現(xiàn)超混沌。第二:提出通過速度時間序列的算法復雜度估計系統(tǒng)周期性成分的比率,通過速度變化率序列的近似熵估計系統(tǒng)在結構變化上的復雜性。計算結果表明不同的復雜度值對應交通流的不同狀態(tài)。第三:改進了hurst指

3、數(shù)和多重分形譜的計算方法,然后采用hurst指數(shù)和多重分形譜分析不同狀態(tài)下交通流序列的分形結構特征,結果表明交通流在不同狀態(tài)下的分形特征量值存在差異,因此具有不同的分形結構。
　　 (3)對交通流預測的研究包括:一、提出一種改進的基于最大Lyapunov指數(shù)的混沌時序預測方法。該方法選取了相空間中的多個鄰近重構向量來提高預測精度,給出了計算步驟。對理論混沌序列預測的結果表明改進方法要優(yōu)于原方法,討論了噪聲和鄰近參考點數(shù)對預測結果

4、的影響,并將該方法應用到了對交通流的預測當中。二,提出了基于最大Lyapunov指數(shù)的多變量混沌時間序列的預測方法。給出了算法步驟,并討論了噪聲、鄰近參考點數(shù)和預測步長對預測效果的影響。對理論混沌序列預測的結果表明了提出方法的有效性,并將該方法應用到了對交通流的多變量預測當中。三,提出了一種預測交通流量的動態(tài)組合建模方法。該方法將流量時間序列分解成周期項、趨勢項、混沌擾動項,采用季節(jié)性指數(shù)平滑法預測周期項和趨勢項之和,計算時分別取周期為

5、一天和一周,用帶遺忘因子的遞推最小二乘法確定權重,采用混沌預測的鄰域法預測混沌項。仿真結果表明了該方法的合理性和有效性。
　　 (4)依據變結構控制理論,通過設計速度控制器使得交通流趨于穩(wěn)定和有序。提出了三種控制方法:連續(xù)宏觀交通流模型的近似變結構控制；基于離散趨近律的離散交通流模型的變結構控制；基于離散趨近律的離散交通流模型的預測變結構控制。給出了算法步驟并進行了仿真實驗,仿真結果表明提出的方法能夠將交通流密度穩(wěn)定在一定范圍內