中国公路学报

作者：宗芳, 李宇暄, 曾梦, 赵昆

单位：吉林大学 交通学院，吉林 长春 130022 Transportation College, Jilin University, Changchun 130022, Jilin, China","浙江师范大学工学院，浙江金华 321000 College of Engineering, Zhejiang Normal University, Jinhua 321000, Zhejiang, China;","城市轨道交通智能运维技术与装备浙江省重点实验室，浙江金华 321000 China Key Laboratory of Urban Rail Transit Intelligent Operation and Maintenance Technology & Equipment of Zhejiang province, Jinhua 321000, Zhejiang, China

关键词：交通工程,自回归分布滞后模型,交通相变分析,速度预测,混合交通流,Ising模型,智能网联

<title>摘要：</title> <p>分析交通相变特征和规律是实现交通流状态估计与速度预测的关键。由于交通流兼具周期性与偶然性的复杂时变特征，数理统计与机器学习方法缺乏对交通流状态演化机理的解析，存在模型可解释性随场景变化而降低的问题。为降低场景迁移对预测效果的负面影响，并解决应用环境受限的问题，对交通流相变机理进行解析，提出了一种考虑相变滞后效应的交通状态估计与速度预测方法。首先通过分析快速路出口匝道的交通流状态变化过程，发现微观车辆间运动差异的时空传递是导致宏观交通相变的原因。将这一现象定义为交通紊乱，类比Ising模型对其进行定量表达。随后计算交通相变前后紊乱的时空分布，揭示了交通相变规律，即交通流状态相对紊乱变化具有时间滞后性。在此基础上建立交通流速度关于紊乱的自回归分布滞后模型，将网联车路设备采集的车辆实时速度与位移作为输入，得到交通流速度的预测值时间序列。不同模型对照试验与参数分析结果表明：①与径向基函数神经网络和长短期记忆神经网络相比，所提出的滞后模型具有更高的预测精度；②在混合交通流中，智能网联车辆渗透率越高，则模型预测精度越高。此外，所提方法适用于不同网联等级的交通场景，有利于及时采取交通管控措施，从远景上提升交通系统的运行效率和安全性。</p>

来源：2025年第8期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第8期