1、本文以基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究為題，在交通流數(shù)據(jù)分析的基礎上，對道路網(wǎng)中多個斷面交通流狀態(tài)之間的相關性進行分析，從而選擇預測的范圍和對象，對道路網(wǎng)中多個斷面的短時交通流預測理論和方法進行了深入探討和研究，并且根據(jù)實際數(shù)據(jù)驗證提出的預測模型。 文章首先闡述了短時交通流預測的概念、基本流程、特點及要求，按照單一斷面的短時交通流預測方法和多個斷面的短時交通流預測方法兩個方面綜述了國內(nèi)外短時交通流預測相關研究。第

2、二，分析道路網(wǎng)中多個斷面交通流的數(shù)據(jù)，介紹了包括刪除錯誤數(shù)據(jù)和補充缺失數(shù)據(jù)的交通流數(shù)據(jù)預處理方法，解決數(shù)據(jù)來源質量問題，以此為基礎，分析道路網(wǎng)中多個斷面交通流數(shù)據(jù)兩兩之間的相關系數(shù)矩陣，應用多元統(tǒng)計分析中的多維標度法將道路網(wǎng)中多個斷面交通流的相關程度映射到一張二維擬合構圖，從而判別斷面之間相關性的強弱，選擇出道路網(wǎng)研究范圍。第三，提出了基于狀態(tài)空間模型的道路網(wǎng)多斷面短時交通流的預測模型和方法，采用狀態(tài)空間模型和時間序列分析相結合，應用E

3、M算法估計參數(shù)。第四，建立了基于支持向量機回歸的道路網(wǎng)多斷面短時交通流的預測模型和方法，在選擇研究范圍的基礎上，利用最小二乘支持向量機回歸算法建立模型，將回溯系數(shù)的選擇過程和利用遺傳算法優(yōu)化支持向量機回歸模型參數(shù)選擇的過程組合起來進行了預測模型參數(shù)的交替組合優(yōu)化。第五，對道路網(wǎng)中多個斷面的短時交通流數(shù)據(jù)進行了混沌時間序列分析，進行了多維交通流時間序列數(shù)據(jù)的相空間重構，建立了基于混沌時間序列分析的道路網(wǎng)多斷面短時交通流預測模型，利用粒子群

4、優(yōu)化算法優(yōu)化模型的參數(shù)選擇。根據(jù)城市快速路多個斷面交通流數(shù)據(jù)，對提出的各類道路網(wǎng)多斷面短時交通流的預測模型，驗證其有效性。 主要研究成果包括： 1、在交通流數(shù)據(jù)相關性分析的基礎上，將道路網(wǎng)多個斷面短時交通流作為一個整體來同時預測，基于交通流數(shù)據(jù)的相關性分析進行了道路網(wǎng)多斷面短時交通流預測理論和方法的研究。 2、引入多元統(tǒng)計分析中的多維標度法，將道路網(wǎng)中不同空間的多個斷面短時交通流的相關性表示為一張二維擬合構圖，通

5、過二維擬合構圖可以判別道路網(wǎng)中多個斷面交通流的整體相關性，從而為下一步建立考慮時間和空間變化的多斷面短時交通流預測的相關模型與方法界定了研究范圍、研究對象和數(shù)據(jù)分析基礎。 3、根據(jù)目前短時交通流預測理論的性質，分別從線性系統(tǒng)理論、人工智能方法、非線性系統(tǒng)理論三個角度將短時交通流預測從單一斷面預測方法向道路網(wǎng)多斷面同時預測方法擴展：(1)在選擇研究范圍的基礎上，結合狀態(tài)空間模型和時間序列分析，應用EM算法估計參數(shù)，提出了基于狀態(tài)空

6、間模型的道路網(wǎng)多斷面短時交通流的預測模型和方法；(2)在選擇研究范圍的基礎上，利用最小二乘支持向量機回歸算法建立模型，將回溯系數(shù)的選擇過程和利用遺傳算法優(yōu)化支持向量機回歸模型參數(shù)選擇的過程組合起來進行了預測模型參數(shù)的交替組合優(yōu)化，提出了基于支持向量機回歸的道路網(wǎng)多斷面短時交通流的預測模型和方法；(3)在選擇研究范圍的基礎上，對道路網(wǎng)中多個斷面的短時交通流數(shù)據(jù)進行了混沌時間序列分析，進行了多維交通流時間序列數(shù)據(jù)的相空間重構，建立了多維混沌