1、伴隨著人類文明的進步,城市交通事業(yè)發(fā)展迅速,與此同時也帶來了一系列交通事故問題。為了解決此問題,城市道路管理者提出了智能交通運輸系統(tǒng)理論(ITS),對減少交通事故的發(fā)生以及提高道路的暢通效率有顯著的作用。短時交通流預(yù)測是智能交通運輸系統(tǒng)主要基礎(chǔ)理論之一,對提供準確的實際交通信息、交通調(diào)整以及誘導(dǎo)起重要作用。
　　目前,組合預(yù)測是進行短時交通流預(yù)測的主流方法。本文屬于“機理+辨識”預(yù)測策略中多種預(yù)測結(jié)果的靈活合成。將數(shù)理統(tǒng)計學(xué)中穩(wěn)健

2、統(tǒng)計的相關(guān)理論應(yīng)用到短時交通流組合預(yù)測方法中去,通過穩(wěn)健統(tǒng)計理論計算穩(wěn)健方差估計量,可以更為準確的確定組合預(yù)測權(quán)值,提高短時交通流預(yù)測的準確性和穩(wěn)定性。
　　本文的主要研究內(nèi)容和成果如下:
　　(1)運用數(shù)理統(tǒng)計學(xué)理論,初步將穩(wěn)健統(tǒng)計中的方差尺度估計量(5種)應(yīng)用到組合預(yù)測模型的權(quán)重系數(shù)優(yōu)化計算中,可以更準確的表現(xiàn)各個單項預(yù)測模型在組合預(yù)測方法中所占的比重,更加準確預(yù)測短時交通流信息,更好的實現(xiàn)交通控制和誘導(dǎo)。
　　(

3、2)采用短時交通流預(yù)測中的五種經(jīng)典預(yù)測模型:三階AR自回歸模型預(yù)測方法、一次指數(shù)平滑法(ES1)、二次指數(shù)平滑法(ES2)、一階移動平均法(MA1)、二階動平均法(MA2),對某高速公路的實際交通流狀態(tài)進行單項預(yù)測,計算各模型下的預(yù)測誤差信息,本文中用到的誤差參數(shù)指標主要為平均誤差(ME)、平均絕對誤差(MAE)、均方誤差(RMSE)和最大絕對誤差(E|max|)。
　　(3)函數(shù)Fisherz transformation是目前

4、用于估計Pearson相關(guān)系數(shù)置信區(qū)間的主流方法。Pearson相關(guān)系數(shù)置信區(qū)間是用于估計線性組合預(yù)測中 Dickinson最優(yōu)權(quán)重置信區(qū)間的兩個核心方法之一。通常認為Fisherz transformation函數(shù)可以實現(xiàn)對標準正態(tài)分布累積分布函數(shù)曲線的近似逼近?，F(xiàn)在發(fā)現(xiàn)新得到的Sigmoid-like函數(shù)具有更好的效果,對標準正態(tài)分布的累積分布函數(shù)逼近效果相較Fisherz transformation的逼近效果提高了大約4.677