根据复杂交通网络中多个节点之间交通流相互影响的特性,提出一种基于影响模型的短时交通流预测方法。分析交通网络中交通流预测的难点,引入随机过程中影响模型的理论对其进行建模。将每个节点的交通流处理为一个隐马尔科夫过程,整个网络由多个相互交互的隐马尔科夫过程组成,采用EM算法对模型参数进行训练。实验结果表明,该方法具有较高的预测精度,可较好地显示交通网络中多个节点之间交通流的交互规律以及动态演化规律。

城市交通控制和诱导系统是智能交通系统（Intelligent Transport System， ITS）的组成部分，而交通流预测特别是短时交通流预测是城市交通控制与交通诱导系统的基础。由于缺乏交通量预测所需历史数据以及判断影响交通量生成与增长因素的准确性不够，致使道路交通量的预测结果与实际值产生了较大差异。论述了灰色模型（Gray Model， GM）以及多Agent理论在交通量智能预测中的方法和应用技术。该方法利用多Agent间的相互通信、协作功能以及灰色模型的累加生成手段和微分方程描述，在