基于Petri网建模的道路车流量预测方法研究

摘要

在对基于Petri网建模道路进行分析时发现,当利用智能算法优化交通信号时会存在一定滞后性,主要原因在于智能算法运算效率不高,以及道路车辆产生的一些随机因素等.因此,使用Petri网对交叉口进行建模并模拟车流产生,并运用改进卡尔曼滤波算法对道路车流量进行预测,用于弥补因车辆随机因素或使用智能算法造成的时滞.改进算法采用SVM回归对利用卡尔曼滤波产生的误差进行拟合与预测,用于补偿卡尔曼滤波算法产生的误差.实验结果表明,利用SVM回归改进的卡尔曼滤波对车流预测产生的总误差比传统卡尔曼滤波预测误差降低了6个百分点,证明该方法有效提高了车流预测精度.