交通流预测总结

Dec 12, 2020 1 min read

交通流预测

背景介绍

交通流预测有何意义？

交通流预测包括道路交通状况（速度、流量等）估计、行程到达时间估计，对人们的生活具有重要意义。

对于广大普通群众来说，你可以依赖交通流预测工具来通知亲朋好友你是否有可能会迟到，也可以依据路况信息为重要会议的出发时间点作合理规划：不至于迟到也不至于过早出发而空空等待。对于商业公司来说，如共享单车/出租车公司可以依据区域交通状况规划车源的分配，达到最大的收益和效率。

如何进行交通流预测？

依赖的是什么数据？路段的在线交通数据

影响交通流的因素有？

但想要准确地估计交通状况会遇到一些困难。

交通流存在一些如周期性、趋势性的模式，并且这种模式是存在波动性的；

如：尽管每个早上晚上都会有交通高峰期，但高峰期出现的准确时间会有很大波动
道路之间的交通情况存在空间依赖性；

一条道路的交通状况会影响周围路段的交通状况
多种外部因素会影响交通情况；如道路质量、速度限制、事故、道路关闭等外部因素对交通流预测有所影响，增加了交通流预测模型的复杂性。

交通流预测最关键的问题是？

假设数据质量较高

如何建模路段交通流之间的空间依赖性？
如何建模历史交通流的时序模式？
哪些外部因素会影响交通状况，如何将这些因素融合到交通流预测模型中？

假设数据质量不足

除了上面几个问题以外，还需要考虑数据收集不全或者有噪声的情形。

如何评价交通流数据的质量？
如何从有噪声的数据中准确地预测交通状况？
如何进行交通流数据补全？

如何评价交通流预测的效果？

评价角度

总体预测精度
局部预测精度：峰值
不同时间划分下的预测精度
对噪声扰动的鲁棒性分析

评价指标

绝对平均误差（MAE）
均方根误差（RMSE）
准确度（Accuracy）
判定系数
方差

模型

交通流预测模型面临的挑战

虽然现有的海量交通数据、高性能计算和存储平台、丰富的机器学习算法也为交通流预测提供了巨大的机遇，但由于数据本身的问题和现实世界中交通流影响因子的复杂性，交通流预测仍面临着巨大的挑战，这些挑战主要可归为如下三个方面： (1). 交通大数据的多尺度特性、有偏性、不完备性等特性影响着交通流预测结果的准确性和可用性传感器通常每隔一定时间对数据进行采样，不同的采样尺度 (2). 地理单元间的复杂的时空依赖关系对模型的复杂度提出了较高要求地理单元（道路、OD点） (3). 影响交通流多种外部因素带来的不确定性

传统时间序列预测模型

HA
VAR
SVR
……