全國(guó)大學(xué)生交通科技大賽論文-廢舊混凝土的再生利用研究

1、<p>　　廢舊混凝土的再生利用研究</p><p>　　丁俊峰，朱彬彬，唐川杰，杜紅勁</p><p>　　（東南大學(xué)，南京，210096）</p><p>　　摘要：大量地拆除建筑物會(huì)產(chǎn)生大量的廢舊混凝土塊，既帶來(lái)環(huán)境污染 ，又造成資源浪費(fèi)。利用廢舊混凝土生產(chǎn)再生集料，然后采用再生粗集料和天然砂組合， 制成再生混凝土。隨著舊集料的替換率的增加，再生混凝

2、土的抗壓強(qiáng)度下降并不明顯。其他條件相同，抗壓強(qiáng)度隨水灰比的提高而降低，而且降低幅度很大。</p><p>　　關(guān)鍵詞：廢舊混凝土；再生混凝土；水灰比；替換率</p><p><b>　　1. 前言</b></p><p>　　隨著人口的快速增長(zhǎng)和經(jīng)濟(jì)的飛速發(fā)展，我國(guó)正進(jìn)行大規(guī)?；A(chǔ)建設(shè)。我國(guó)每年拆除建筑垃圾34 %是混凝土塊，除此之外還有新建

3、工程所產(chǎn)生的廢舊棄混凝土，預(yù)計(jì)今后混凝土碎塊的產(chǎn)生量將繼續(xù)增多。從這些舊路，舊建筑物上拆下來(lái)的廢舊混凝土，嚴(yán)重污染環(huán)境，浪費(fèi)耕地，成為城市建設(shè)的一大公害。由此引發(fā)的環(huán)境問(wèn)題十分突出。目前處理這些廢舊棄混凝土塊的方法有兩種:一是作為回填材料簡(jiǎn)單地使用; 二是直接運(yùn)往郊區(qū)垃圾場(chǎng)堆放。前者在一定程度上未能做到合理、有效地利用、回收資源，后者則占用大量農(nóng)田并導(dǎo)致更為嚴(yán)重的二次污染。若能將廢舊棄混凝土塊就地回收 ，經(jīng)破碎、清洗、分級(jí)后作為集料再利

4、用， 生產(chǎn)再生混凝土，則不僅能降低成本，節(jié)省天然集料資源，緩解集料供求矛盾，還能減輕對(duì)城市環(huán)境的污染。就能從根本上解決廢舊混凝土的處置問(wèn)題，也必將帶來(lái)顯著的社會(huì)效益、經(jīng)濟(jì)效益和環(huán)保效益，對(duì)城市的可持續(xù)發(fā)展具有戰(zhàn)略意義。</p><p>　　在國(guó)外，比如美國(guó)，據(jù)美國(guó)聯(lián)邦公路局統(tǒng)計(jì)，美國(guó)現(xiàn)在已有超過(guò)20個(gè)州在公路建設(shè)中采用ＲＣＡ (ＲＣＡ—Recycled Concrete Aggregate再生水泥混凝土集料)，2

5、6個(gè)州允許將ＲＣＡ作為基層材料;4個(gè)州允許將ＲＣＡ作為底基層材料;將ＲＣＡ應(yīng)用于基層和底基層的28個(gè)州級(jí)機(jī)構(gòu)中，有15個(gè)制定了關(guān)于ＲＣＡ的規(guī)范。密歇根州交通廳在20世紀(jì)80年代初利用ＲＣＡ重建了幾條州際高速公路。有兩個(gè)原因使用ＲＣＡ:①盡管天然集料被認(rèn)為質(zhì)量更高，而且價(jià)格也不比ＲＣＡ高多少，但天然集料有時(shí)候備料困難，運(yùn)距很遠(yuǎn);②如果不重復(fù)利用舊的路面材料，只能用來(lái)填地，這顯然是浪費(fèi)資源。</p><p>　　那么

6、，要開(kāi)發(fā)再生混凝土，就要首先研究廢舊混凝土集料和再生混凝土的基本性能，并進(jìn)行級(jí)配設(shè)計(jì)。對(duì)此，本研究小組進(jìn)行了深入探討和廣泛研究，以尋求各種因素對(duì)最終強(qiáng)度的影響及影響程度。廢舊混凝土集料(Waste Concrete Aggregate ) ，就是用舊建筑物拆棄的廢舊混凝土破碎而成的不同粒徑的混凝土碎塊。 在拌制混凝土?xí)r，就用這些混凝土碎塊代替砂石料作集料。因此要求廢舊混凝土集料性能接近或基本接近普通砂石料。本文試驗(yàn)使用的廢舊混凝土集料，

7、是用廢舊混凝土試塊經(jīng)人工破碎而成，強(qiáng)度分為兩種分別是C30和C50。</p><p>　　2. 實(shí)驗(yàn)設(shè)計(jì)思想</p><p>　　舊集料采用實(shí)驗(yàn)室廢舊標(biāo)注立方體試塊經(jīng)人工破碎后得到，這樣舊集料的強(qiáng)度相對(duì)穩(wěn)定便于得到較可靠的對(duì)比數(shù)據(jù)。采用現(xiàn)實(shí)中應(yīng)用較廣泛的C30和C50廢舊立方體試塊?？紤]到過(guò)細(xì)的舊集料吸水性過(guò)大，放棄使用舊集料代替實(shí)驗(yàn)用砂，而采用普通的砂做細(xì)集料。實(shí)驗(yàn)的目的是：采用不同的

8、舊集料替換率與水灰比的組合，制作標(biāo)準(zhǔn)抗壓試塊，在制作過(guò)程中觀察它們的工作性，經(jīng)標(biāo)準(zhǔn)養(yǎng)護(hù)后測(cè)試它們各自的抗壓強(qiáng)度，最后通過(guò)縱橫比較分析得出結(jié)論。</p><p><b>　　材料及制備</b></p><p>　　水泥：采用425號(hào)普通硅酸鹽水泥。粗集料：用兩種強(qiáng)度的舊集料，即C30和C50廢舊立方體試塊。將兩種試塊分別人工破碎，用直徑25mm～2.5mm的標(biāo)準(zhǔn)圓孔篩

9、進(jìn)行篩分。取等量的各粒徑顆粒（粒徑范圍25mm～2.5mm）組成連續(xù)級(jí)配的粗集料。</p><p>　　細(xì)集料：天然細(xì)砂。實(shí)測(cè)含水率3.5％。</p><p>　　3. 試驗(yàn)數(shù)據(jù)及分析</p><p>　　表一 ：試驗(yàn)內(nèi)容，配合比及相關(guān)內(nèi)容</p><p><b>　　表二：試驗(yàn)結(jié)果</b></p>&l

10、t;p>　　下面我們分別從幾個(gè)分角度來(lái)分析這張?jiān)囼?yàn)記錄表，首先拆分，縱橫比較一下</p><p>　　3.1 相同水灰比下不同替換率對(duì)強(qiáng)度的影響</p><p>　　圖1 水灰比0.4時(shí)不同替換率對(duì)強(qiáng)度的影響</p><p>　　圖2 水灰比0.5時(shí)不同替換率對(duì)強(qiáng)度的影響</p><p>　　圖3 水灰比0.6時(shí)不同替換率對(duì)強(qiáng)度的影響&

11、lt;/p><p>　　在圖三中100％替換率對(duì)應(yīng)的抗壓強(qiáng)度偏大，可以考慮認(rèn)為是實(shí)驗(yàn)誤差。由圖一，圖二，圖三，發(fā)現(xiàn)這樣一個(gè)規(guī)律：舊集料的替換率越大，抗壓強(qiáng)度越低，但降低幅度并不是很大。</p><p>　　原因在于再生集料的含水率、吸水率都遠(yuǎn)遠(yuǎn)高于天然集料，且吸收速率很大。造成這一現(xiàn)象的原因是再生集料顆粒棱角多，表面粗糙，組分中包含相當(dāng)數(shù)量的硬化水泥砂漿，再加上水泥石本身孔隙比較大，且在破碎過(guò)

12、程中，其內(nèi)部往往會(huì)產(chǎn)生大量的微裂縫， 這又會(huì)在一定程度上增大其吸水率，也導(dǎo)致了再生集料混凝土比天然集料混凝土需要更多的拌和水，影響砼混合料的和易性和成型性，最終降低了混凝土試塊的抗壓強(qiáng)度。</p><p>　　替換率的變化造成的強(qiáng)度降低并非十分急劇，相反是比較緩和，工程上比較容易承受的。既如此，再生混凝土的研究就有了意義，有了可行的現(xiàn)實(shí)的依據(jù)，這是本次試驗(yàn)的一大收獲。這樣，再生混凝土的質(zhì)量就有了保證，工程應(yīng)用范圍

13、與領(lǐng)域就可以比預(yù)先的擴(kuò)展的更大。</p><p>　　但是，本試驗(yàn)和工程操作還無(wú)法等同，在實(shí)際工程中舊集料吸水率很大，工人拌和時(shí)為了施工的和易性往往加大量的水，水的增多導(dǎo)致水灰比增大，進(jìn)而導(dǎo)致抗壓強(qiáng)度的大幅下降。</p><p>　　3.2 相同替換率下不同水灰比對(duì)強(qiáng)度的影響</p><p>　　圖4 替換率100％時(shí)不同水灰比對(duì)強(qiáng)度的影響</p>&

14、lt;p>　　圖5 替換率為50%的時(shí)候不同水灰比對(duì)強(qiáng)度的影響</p><p>　　圖6 替換率為20%的時(shí)候不同水灰比對(duì)強(qiáng)度的影響</p><p>　　由圖四，圖五，圖六，無(wú)一例外地可以看出這樣的規(guī)律：抗壓強(qiáng)度隨水灰比的提高而降低，而且降低幅度很大。</p><p>　　之所以出現(xiàn)這樣的現(xiàn)象，我們認(rèn)為是水泥和集料的粘結(jié)強(qiáng)度在其中起了決定作用。集料，哪怕是舊集

15、料的抗壓強(qiáng)度也要遠(yuǎn)遠(yuǎn)大于混凝土塊的抗壓強(qiáng)度，原因是集料沒(méi)有完全發(fā)揮出材料強(qiáng)度，在壓力作用下，較低的粘結(jié)強(qiáng)度使得水泥與集料間首先出現(xiàn)破裂面而破壞，此時(shí)集料遠(yuǎn)未達(dá)到抗壓強(qiáng)度。而且，水灰比越大，粘結(jié)強(qiáng)度越小，試塊破壞地越早。觀察破壞后的試塊，證實(shí)了這一點(diǎn)：試塊中的集料基本完好，裂縫沿著水泥與集料間的粘結(jié)面嚴(yán)重開(kāi)展。</p><p>　　要提高再生混凝土強(qiáng)度，考慮采用高標(biāo)號(hào)的水泥并適當(dāng)增大水泥用量以提高水泥漿的膠結(jié)作用。

16、</p><p>　　3.3 采用不同舊集料對(duì)強(qiáng)度的影響</p><p>　　圖7 水灰比0.5時(shí)100％替換率采用不同舊集料對(duì)強(qiáng)度的影響</p><p>　　由圖七可以明顯地看出，所采用的舊集料來(lái)源的廢舊混凝土的原強(qiáng)度越高，這樣的舊集料制作的再生混凝土強(qiáng)度越高，而且增長(zhǎng)幅度比較可觀。</p><p>　　這個(gè)再生混凝土試驗(yàn)，所再生的就是廢舊

17、集料，舊集料的質(zhì)量越好，自然再生的效果越好，這是試驗(yàn)前早就一致預(yù)見(jiàn)的。</p><p>　　在試驗(yàn)中，我們用混合再生粗集料取代原生粗集料。在實(shí)際工程中，相關(guān)單位應(yīng)該選擇原強(qiáng)度比較高的混凝土集料回收利用。</p><p><b>　　3.4 塌落度</b></p><p>　　從表一中截取塌落度部分作為表三進(jìn)行分析。</p><

18、;p><b>　　表三</b></p><p>　　塌落度總體來(lái)說(shuō)呈現(xiàn)這樣的規(guī)律：</p><p>　　當(dāng)水灰比一定時(shí)，塌落度隨著替換率的增加而變小。</p><p>　　當(dāng)替換率一定時(shí)，塌落度隨著水灰比的增加而變大。</p><p>　　水灰比的加大，主要是水的增多，自然要引起塌落度的增加；而水灰比一定時(shí)，替換率

19、的增加則意味著舊集料的增多，而再生集料混凝土比天然集料混凝土需要更多的拌和水，導(dǎo)致了需要更多的拌和水，才帶來(lái)了塌落度變大的結(jié)果</p><p><b>　　4. 結(jié)論</b></p><p>　　通過(guò)本次試驗(yàn)，可以得出以下幾點(diǎn)：</p><p>　　(1)其他條件相同，抗壓強(qiáng)度隨水灰比的增加而降低，而且降低幅度很大。</p>&

20、lt;p>　　(2)舊集料的替換率越大，抗壓強(qiáng)度越低，但降低幅度并不是很大。</p><p>　　(3)所采用的舊集料來(lái)源的廢舊混凝土的原強(qiáng)度越高，則這樣的舊集料制作的再生混凝土強(qiáng)度越高，增長(zhǎng)幅度比較可觀。</p><p>　　對(duì)于這樣的試驗(yàn)結(jié)果，主要原因是：</p><p>　　(1)再生集料顆粒棱角多，表面粗糙，組分中包含相當(dāng)數(shù)量的硬化水泥砂漿，再加上水泥

21、石本身孔隙比較大，且在破碎過(guò)程中，其內(nèi)部往往會(huì)產(chǎn)生大量的微裂縫， 這又會(huì)在一定程度上增大其吸水率，也導(dǎo)致了再生集料混凝土比天然集料混凝土需要更多的拌和水，影響砼混合料的和易性和成型性，最終降低了混凝土試塊的抗壓強(qiáng)度。</p><p>　　(2)水泥和集料的粘結(jié)強(qiáng)度在其中起了決定作用。舊集料的抗壓強(qiáng)度也要遠(yuǎn)遠(yuǎn)大于混凝土塊的抗壓強(qiáng)度，在壓力作用下，較低的粘結(jié)強(qiáng)度使得水泥與集料間首先出現(xiàn)破裂面而破壞，此時(shí)集料沒(méi)有完全發(fā)

22、揮出材料強(qiáng)度。而且，水灰比越大，粘結(jié)強(qiáng)度越小，試塊破壞的越早。</p><p>　　結(jié)果顯示：替換率的變化造成的強(qiáng)度降低并不如水灰比變化那么快，如此，再生混凝土的質(zhì)量就有了保證，工程應(yīng)用范圍與領(lǐng)域就可以比預(yù)先的擴(kuò)展的更大。需要努力的地方就是：選擇最優(yōu)化的水灰比（比較小的，但考慮施工難度與混凝土和易性又不宜太?。贿x擇原強(qiáng)度比較高的混凝土集料回收利用。</p><p>　　但是，本試驗(yàn)和工程

23、具體操作還無(wú)法等同，在實(shí)際工程中，舊集料吸水率很大，工人拌和時(shí)為了施工的和易性往往加大量的水，而水的增多導(dǎo)致水灰比增大，進(jìn)而導(dǎo)致抗壓強(qiáng)度的大幅下降。另外，再生混凝土的耐久性并未得到確切的試驗(yàn)證實(shí)，所以不能與原生混凝土等同。因此，再生混凝土的實(shí)際應(yīng)用，還要根據(jù)工程項(xiàng)目等級(jí)和安全需要，并考慮當(dāng)?shù)貙?shí)際舊集料的來(lái)源與質(zhì)量，施工單位與工人的技術(shù)操作水平，有目的有范圍的應(yīng)用與推廣。</p><p><b>　　5.

24、 建議</b></p><p>　　（1）由于廢混凝土塊表面粗糙"用漿量多"需水量大"致使再生混凝土強(qiáng)度低， 要提高再生混凝土強(qiáng)度，考慮采用高效減水劑降低水灰比提高再生混凝土強(qiáng)度</p><p>　?。?）采用高標(biāo)號(hào)水泥并適當(dāng)增大水泥用量提高水泥漿膠結(jié)作用</p><p>　?。?）在實(shí)際工程中，拆除混凝土來(lái)源復(fù)雜， 應(yīng)該選

25、擇原強(qiáng)度比較高的混凝土集料回收利用。再生粗集料再生集料混凝土的配合比設(shè)計(jì)的性能難以保證均勻，應(yīng)用時(shí)應(yīng)該適當(dāng)乘以一個(gè)折減系數(shù)。</p><p>　?。?）根據(jù)工程項(xiàng)目等級(jí)和安全需要，并考慮當(dāng)?shù)貙?shí)際舊集料的來(lái)源與質(zhì)量，采用合理經(jīng)濟(jì)的廢舊集料替換率。</p><p>　　（5）當(dāng)用再生骨料配制非承重結(jié)構(gòu)的低強(qiáng)度混凝土?xí)r， 混凝土的設(shè)計(jì)強(qiáng)度等級(jí)不宜過(guò)高。若需配制較高強(qiáng)度等級(jí)的混凝土，則應(yīng)該通過(guò)試驗(yàn)

26、以證明其不會(huì)影響新拌混凝土的質(zhì)量。 </p><p><b>　　參考文獻(xiàn)</b></p><p>　　T1C1 漢森 1 利用再生水泥混凝土集料和粉煤灰生產(chǎn)無(wú)水泥混凝土[J]。 Cement and Concrete Research ， VOL120 ， pg355 ～356 ，1990</p><p>　　水泥混凝土的循環(huán)利用[J]。工程

27、設(shè)計(jì)CAD與智能建筑，2001(8)</p><p>　　王武祥。 再生水泥混凝土集料的研究[J]。 水泥混凝土與水泥制品，2001(8)</p><p>　　屈志中。 鋼筋水泥混凝土破壞及其利用技術(shù)的新動(dòng)向[J]。建筑技術(shù)，2001(2)</p><p>　　吳中偉，廉慧珍。高性能水泥混凝土[M]。北京:中國(guó)鐵道出版社</p><p>　　

28、陳肇元。高強(qiáng)水泥混凝土及其應(yīng)用[M]。北京:清華大學(xué)出版社</p><p>　　高橋泰一 ，阿部道彥。 廢混凝土骨料適用現(xiàn)狀與未來(lái)[J]?；炷凉こ?日) ，1995 ，33(2) 。</p><p>　　I1B1Topcu and N1F. Guncan , USING WASTE ONCRETE AS AGGREGATE[J] ,Cement and Concrete Research

29、(美國(guó)) ,1995 ,25(7) .</p><p>　　Hansen TC. Recycling of Demolished Concrete and Masonry RILEM Report[R] 372DRC, Nartnolls Ltd, ( Bodmin，U K，1992).</p><p>　　葉義群， 王嘉琪， 蔣林華。 淺談混凝土的可持續(xù)發(fā)展。[J] 建筑技術(shù)開(kāi)發(fā)， 20

30、01， (7): 60～ 62。</p><p>　　張帆，楊靜。 固體廢物的污染防治及其管理[J]。 中國(guó)建材， 2000， (9): 57～ 60。</p><p>　　水中和，萬(wàn)惠文。老混凝土中骨料2水泥界面過(guò)渡區(qū)ITZ[J]。武漢理工大學(xué)學(xué)報(bào)，2002， (4) : 21～ 23。</p><p>　　萬(wàn)惠文。 含再生骨料和粉煤灰的綠色混凝土結(jié)構(gòu)和性能研究[

31、J]。 武漢理工大學(xué)， 2004。</p><p>　　李惠強(qiáng)，杜婷。建筑垃圾資源化循環(huán)再生集料水泥混凝土研究[J]。華中科技大學(xué)學(xué)報(bào)，2001 ，29(6)。短期交通流預(yù)測(cè)模型研究</p><p><b>　　徐書(shū)楠 王進(jìn) </b></p><p>　?。ㄇ迦A大學(xué)交通研究所，北京，100084）</p><p>　

32、　摘要：短期交通流預(yù)測(cè)，是智能交通系統(tǒng)（ITS）的核心技術(shù)與重要組成部分。本文在總結(jié)前人研究的基礎(chǔ)上，引入混沌理論，對(duì)交通流的可預(yù)測(cè)性作了理論分析。然后，本文又先后引入了針對(duì)小數(shù)據(jù)量樣本的最新預(yù)測(cè)工具——支持向量機(jī)與能夠?qū)⑿盘?hào)分解細(xì)化，有著“數(shù)學(xué)顯微鏡”之稱(chēng)的小波分析，建立了基于小波包-混沌-小波支持向量機(jī)的短期交通流預(yù)測(cè)模型。該模型綜合了三者的優(yōu)點(diǎn)，對(duì)實(shí)際交通流的預(yù)測(cè)有著優(yōu)秀的表現(xiàn)。</p><p>　　關(guān)鍵詞

33、：短期交通流預(yù)測(cè)；混沌理論；小波分析；支持向量機(jī)。</p><p>　　短期交通流預(yù)測(cè)，指根據(jù)交通流的歷史數(shù)據(jù)對(duì)將來(lái)一段時(shí)間（一般15分鐘之內(nèi)）的交通流信息做預(yù)測(cè)，它是智能交通系統(tǒng)（ITS）的核心技術(shù)與理論基礎(chǔ)，與動(dòng)態(tài)OD反推、動(dòng)態(tài)交通分配、動(dòng)態(tài)交通流誘導(dǎo)系統(tǒng)等領(lǐng)域有著密切的聯(lián)系。短期交通流預(yù)測(cè)的研究，對(duì)于交通系統(tǒng)實(shí)現(xiàn)智能化、自動(dòng)化、現(xiàn)代化具有重要意義。</p><p>　　1．短期交通流

34、預(yù)測(cè)研究現(xiàn)狀</p><p>　　目前，對(duì)于短期交通流的預(yù)測(cè)研究大致可以分為七類(lèi)：基于統(tǒng)計(jì)方法的模型、動(dòng)態(tài)交通分配模型、交通仿真模型、非參數(shù)回歸模型、神經(jīng)網(wǎng)絡(luò)模型、其他模型以及組合模型等。按照研究方法，又可以分為基于數(shù)學(xué)模型的方法和無(wú)模型算法兩大類(lèi)。</p><p>　　早期的研究多集中在基于數(shù)學(xué)模型的方法上，比如基于統(tǒng)計(jì)方法的模型，包括歷史平均法、線(xiàn)性回歸法、時(shí)間序列法等等。這一類(lèi)模型試

35、圖通過(guò)數(shù)學(xué)工具經(jīng)過(guò)一定的簡(jiǎn)化建立起交通流的數(shù)學(xué)模型，再根據(jù)此模型來(lái)預(yù)測(cè)將來(lái)的交通流信息。然而，交通流是復(fù)雜的巨系統(tǒng)，由于數(shù)學(xué)建模的需要對(duì)其進(jìn)行過(guò)度的簡(jiǎn)化，必然會(huì)損失相當(dāng)多的信息，這就偏離了交通流本身的特點(diǎn)。在這種思想下進(jìn)行修修補(bǔ)補(bǔ)，最終也很難取得令人滿(mǎn)意的結(jié)果。</p><p>　　隨著對(duì)交通流性質(zhì)的認(rèn)識(shí)不斷加深，人們逐漸放棄了確定的數(shù)學(xué)模型，轉(zhuǎn)而將無(wú)模型算法引入了交通流預(yù)測(cè)領(lǐng)域，比如交通仿真模型、非參數(shù)回歸、神

36、經(jīng)網(wǎng)絡(luò)模型等等。然而，這些模型缺乏對(duì)于交通流本質(zhì)的理論研究，有些模型簡(jiǎn)單的采取了引入隨機(jī)量的做法。神經(jīng)網(wǎng)絡(luò)模型雖然在非線(xiàn)性預(yù)測(cè)領(lǐng)域具有很好的表現(xiàn)，但由于其本身基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化假設(shè)，針對(duì)小數(shù)據(jù)量的交通流，往往無(wú)法作出令人滿(mǎn)意的預(yù)測(cè)，在理論上存在著缺陷。</p><p>　　基于以上情況，本文引入了混沌理論對(duì)交通流的性質(zhì)作了理論分析。然后，引入了基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論開(kāi)發(fā)的工具支持向量機(jī)，專(zhuān)門(mén)針對(duì)交通流小數(shù)據(jù)量的特

37、點(diǎn)。再然后，通過(guò)有“數(shù)學(xué)顯微鏡”美譽(yù)的小波分析對(duì)交通流信息進(jìn)行分解、降噪，進(jìn)一步提高預(yù)測(cè)精度。結(jié)合以上工具，建立了小波包-混沌-小波支持向量機(jī)短期交通流預(yù)測(cè)模型。通過(guò)對(duì)實(shí)際交通流的預(yù)測(cè)，證明了該模型的優(yōu)越性。</p><p>　　2．短期交通流的混沌特性及其預(yù)測(cè)</p><p>　　要對(duì)交通流做預(yù)測(cè)，首先要研究交通流的特性，究竟是周期性的、準(zhǔn)周期性的、隨機(jī)的、還是混沌的。經(jīng)驗(yàn)告訴我們，現(xiàn)實(shí)

38、中的交通流數(shù)據(jù)有著很大的隨機(jī)性，顯然不具有周期性特點(diǎn)。如果交通流是隨機(jī)的，也就是說(shuō)，一個(gè)時(shí)刻的交通流，既不依賴(lài)于以前時(shí)刻的數(shù)據(jù)，也與以后時(shí)刻的數(shù)據(jù)無(wú)關(guān)，那么，交通流根本就是無(wú)法預(yù)測(cè)的。經(jīng)驗(yàn)告訴我們，顯然也不是這樣。下面，我們從理論上驗(yàn)證，交通流的確具有混沌特性。</p><p><b>　　2.1 混沌理論</b></p><p>　　混沌理論，研究非線(xiàn)性系統(tǒng)隨時(shí)間的

39、變化規(guī)律，至今還沒(méi)有一個(gè)統(tǒng)一的定義。在混沌系統(tǒng)中，初始的微小誤差將隨著時(shí)間累計(jì)而呈指數(shù)增大，亦即初始接近的兩點(diǎn)會(huì)隨著時(shí)間呈指數(shù)分離，從而變得不可預(yù)測(cè)，表現(xiàn)出來(lái)就是呈現(xiàn)出隨機(jī)性。但是，這種隨機(jī)性并非真的隨機(jī)，它是由先前的狀態(tài)根據(jù)確定的規(guī)律變化而來(lái)的，只是這種規(guī)律本身的特點(diǎn)，使得微小的誤差會(huì)迅速的放大，從而在表象上變得毫不相干，呈現(xiàn)出隨機(jī)性。換句話(huà)說(shuō)，所謂混沌，就是決定性系統(tǒng)的偽隨機(jī)性。</p><p>　　混沌的特

40、點(diǎn)決定了，一方面，它有著確定的變化規(guī)律，在一定的時(shí)間內(nèi)，可以對(duì)數(shù)據(jù)作出預(yù)測(cè)；另一方面，隨著時(shí)間的增長(zhǎng)，原始數(shù)據(jù)的可信度會(huì)迅速的喪失，任何長(zhǎng)期的預(yù)測(cè)都是不可能的。這就是所謂的蝴蝶效應(yīng)?；煦缦到y(tǒng)具有蝴蝶效應(yīng)，具有混沌特點(diǎn)的數(shù)據(jù)，都具有短時(shí)可預(yù)測(cè)，長(zhǎng)期不可預(yù)測(cè)的特點(diǎn)。</p><p>　　2.2 混沌的判定——Lyapunov指數(shù)</p><p>　　混沌的判定有多種方法，最常用的是Lyapun

41、ov指數(shù)法，即若一個(gè)系統(tǒng)存在正的Lyapunov指數(shù)，此系統(tǒng)就具有混沌特點(diǎn)。</p><p>　　Lyapunov指數(shù)是混沌系統(tǒng)本身的特點(diǎn)，它表征某個(gè)混沌系統(tǒng)在某個(gè)維上隨時(shí)間指數(shù)收斂（<0）或發(fā)散（>0）的快慢。一般n維系統(tǒng)存在n個(gè)Lyapunov指數(shù)。我們選定三組實(shí)際的交通流數(shù)據(jù)：上海高架路5分鐘采樣間隔的交通流數(shù)據(jù)、北京15分鐘采樣間隔的交通流數(shù)據(jù)和山西高速路1分鐘采樣間隔的交通流數(shù)據(jù)，取它們的平

42、均速度，計(jì)算得最大Lyapunov指數(shù)分別為：0.0289、0.1706和0.2553。因此，這些交通流數(shù)據(jù)均具有混沌特性。從而可以推斷，交通流的確是具有混沌特性的。</p><p>　　2.3 混沌系統(tǒng)的預(yù)測(cè)原理——混沌吸引子</p><p>　　利用混沌理論作預(yù)測(cè)，必須先了解混沌吸引子的特點(diǎn)。</p><p>　　具有混沌特性的量所處的空間中，通常包含著這樣的一

43、個(gè)子空間，一方面，這個(gè)子空間外部的點(diǎn)會(huì)以指數(shù)的速度迅速的趨近這個(gè)子空間；另一方面，這個(gè)子空間內(nèi)部的臨近點(diǎn)卻會(huì)以指數(shù)速度迅速分離，不斷嵌套，不會(huì)離開(kāi)這個(gè)子空間，卻有永不相交。這個(gè)子空間，就是混沌吸引子。混沌吸引子對(duì)外有著強(qiáng)大的吸引力，能把外部的點(diǎn)迅速的吸引進(jìn)來(lái)；對(duì)于內(nèi)部的點(diǎn)之間卻有著強(qiáng)大的排斥力，使它們迅速分離。這兩個(gè)力的合力就形成了混沌吸引子不斷折疊、嵌套的結(jié)構(gòu)。任何一個(gè)點(diǎn)就是這樣在混沌吸引子內(nèi)做著看似無(wú)規(guī)則的運(yùn)動(dòng)，給以充分長(zhǎng)的時(shí)間，任

44、何一個(gè)點(diǎn)的運(yùn)動(dòng)軌跡，都可以充滿(mǎn)整個(gè)混沌吸引子。</p><p>　　利用混沌吸引子，可以進(jìn)行數(shù)據(jù)的預(yù)測(cè)。這又分為全域法和局域法。全域法需要構(gòu)造近似函數(shù)，利用該函數(shù)來(lái)預(yù)測(cè)，在高維空間不宜應(yīng)用。局域法僅僅根據(jù)待預(yù)測(cè)點(diǎn)周?chē)恍c(diǎn)的走勢(shì)來(lái)判斷待預(yù)測(cè)點(diǎn)的走勢(shì)，比如，要預(yù)測(cè)第19號(hào)點(diǎn)的位置，而18號(hào)點(diǎn)周?chē)挥?號(hào)點(diǎn)，那么就可以認(rèn)為19號(hào)點(diǎn)將出現(xiàn)在3號(hào)點(diǎn)的位置。這樣做的根據(jù)就是，在混沌吸引子內(nèi)，短時(shí)間內(nèi)臨近點(diǎn)的走勢(shì)具有相關(guān)性。

45、</p><p>　　2.4 混沌系統(tǒng)的預(yù)測(cè)——相空間重構(gòu)理論</p><p>　　雖然我們知道了交通流具有混沌特點(diǎn)，也知道了混沌系統(tǒng)的預(yù)測(cè)方法，但僅僅這樣要對(duì)其作出預(yù)測(cè)還不夠。我們并不知道交通流究竟是幾維向量（說(shuō)交通流是幾維量，是指用多少個(gè)不相關(guān)的數(shù)據(jù)就可以完全的表征交通流的動(dòng)力學(xué)特性），即使知道，也不可能知道每個(gè)分量的變化。實(shí)際上，我們往往只知道一兩個(gè)分量，在本文中，我們僅取了平均速度

46、一個(gè)分量。那么，如何根據(jù)這一個(gè)分量做預(yù)測(cè)呢？</p><p>　　相空間重構(gòu)理論告訴我們，d維空間的每一個(gè)分量的變化過(guò)程，都蘊(yùn)含了這個(gè)空間所有分量的特點(diǎn)。亦即，如果我們將某一個(gè)分量隨時(shí)間的一個(gè)變化序列作為一個(gè)m維的向量，比如，那么這些向量組成的m維空間就有可能蘊(yùn)含原空間的動(dòng)力學(xué)信息。Takens定理證明了，只要，就可重構(gòu)出這樣的一個(gè)空間，恢復(fù)出它的混沌吸引子來(lái)。</p><p>　　一個(gè)問(wèn)

47、題是，m和?如何選取。這里用C-C法求解，取m=6，?=8。</p><p>　　2.5 混沌理論的預(yù)測(cè)結(jié)果與分析</p><p>　　根據(jù)混沌理論對(duì)上海高架路5分鐘采樣間隔的平均速度數(shù)據(jù)進(jìn)行一步預(yù)測(cè)，結(jié)果見(jiàn)下圖：</p><p>　　圖1 混沌理論一步預(yù)測(cè)結(jié)果 圖2 混沌理論一步預(yù)測(cè)誤差</p><

48、p>　　可以看出，預(yù)測(cè)值的總體趨勢(shì)與實(shí)測(cè)值是一致的，平均相對(duì)誤差為4.75%，平均絕對(duì)誤差為2.73Km/h，說(shuō)明混沌理論進(jìn)行與預(yù)測(cè)的確是可行的。但是，在數(shù)據(jù)劇烈變化和突變處的誤差比較大。從局域法的預(yù)測(cè)原理可以看出，基于混沌理論的預(yù)測(cè)，原理本身雖然有理論依據(jù)，但預(yù)測(cè)方法卻存在著不足?；煦缋碚搩H僅依據(jù)待求點(diǎn)與已知點(diǎn)的相似關(guān)系來(lái)預(yù)測(cè)待求點(diǎn)的走勢(shì)，這是相當(dāng)粗糙的，特別是對(duì)于交通流這種數(shù)據(jù)量不大的預(yù)測(cè)，就更加不精確。</p>

49、<p>　　相反的，支持向量機(jī)就是針對(duì)小數(shù)據(jù)量預(yù)測(cè)開(kāi)發(fā)的基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的有力工具。</p><p>　　3．支持向量機(jī)及其在短期交通流預(yù)測(cè)中的應(yīng)用</p><p>　　支持向量機(jī)，是統(tǒng)計(jì)學(xué)習(xí)理論很年輕、很重要的一部分，是Vapnik于1995年提出的。支持向量機(jī)以其良好的理論背景，從結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為機(jī)器學(xué)習(xí)提供了一個(gè)嶄新的方向。支持向量機(jī)將一個(gè)非線(xiàn)性問(wèn)題轉(zhuǎn)化為高維空間中

50、的線(xiàn)性回歸問(wèn)題，再通過(guò)一定的方法將線(xiàn)性回歸問(wèn)題轉(zhuǎn)化為線(xiàn)性分類(lèi)問(wèn)題，從而通過(guò)構(gòu)造最優(yōu)超平面得到問(wèn)題的解。如圖所示：</p><p>　　3.1 統(tǒng)計(jì)學(xué)習(xí)理論——結(jié)構(gòu)風(fēng)險(xiǎn)最小化</p><p>　　統(tǒng)計(jì)學(xué)習(xí)理論是支持向量機(jī)的基礎(chǔ)。它研究有限樣本的機(jī)器學(xué)習(xí)問(wèn)題，是90年代發(fā)展最快的方向之一。</p><p>　　在以前的機(jī)器學(xué)習(xí)方法中，通常是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化。也就是說(shuō)，

51、如果機(jī)器學(xué)習(xí)是根據(jù)個(gè)獨(dú)立同分布觀測(cè)樣本進(jìn)行估計(jì)，那么就可以用損失函數(shù)來(lái)判定逼近函數(shù)f(x)的優(yōu)劣。經(jīng)驗(yàn)風(fēng)險(xiǎn)定義為所有損失函數(shù)的算術(shù)平均。當(dāng)樣本無(wú)窮多時(shí)，經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的確趨于真實(shí)風(fēng)險(xiǎn)最小。然而，在實(shí)際問(wèn)題中，n通常只是小樣本，這種情況下也能保證真實(shí)風(fēng)險(xiǎn)最小嗎？</p><p><b>　　事實(shí)并非如此。</b></p><p>　　Vapnik和Chervonenkis

52、深入研究了期望風(fēng)險(xiǎn)和經(jīng)驗(yàn)風(fēng)險(xiǎn)的關(guān)系，得出結(jié)論：對(duì)指示函數(shù)集中的所有函數(shù)（包括使經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的函數(shù)），經(jīng)驗(yàn)風(fēng)險(xiǎn)和實(shí)際風(fēng)險(xiǎn)之間以至少的概率滿(mǎn)足如下關(guān)系：</p><p><b>　?。?）</b></p><p>　　其中，h表示函數(shù)集的VC維，反映了函數(shù)集的學(xué)習(xí)能力，VC維越大則學(xué)習(xí)機(jī)器越復(fù)雜（容量越大）。n是樣本數(shù)。</p><p>　　這個(gè)公

53、式從理論上說(shuō)明學(xué)習(xí)機(jī)器的實(shí)際風(fēng)險(xiǎn)是由兩部分組成的：一是經(jīng)驗(yàn)風(fēng)險(xiǎn)（訓(xùn)練誤差），另一部分稱(chēng)作置信范圍，它和學(xué)習(xí)機(jī)器的VC維及訓(xùn)練樣本數(shù)有關(guān)。它表明，在有限訓(xùn)練樣本下，學(xué)習(xí)機(jī)器的VC維越高（復(fù)雜性越高），則置信范圍越大，導(dǎo)致真實(shí)風(fēng)險(xiǎn)與經(jīng)驗(yàn)風(fēng)險(xiǎn)之間可能的差別越大。機(jī)器學(xué)習(xí)過(guò)程不但要使經(jīng)驗(yàn)風(fēng)險(xiǎn)最小，還要使VC維盡量小以縮小置信范圍，才能取得較小的實(shí)際風(fēng)險(xiǎn)，即對(duì)未來(lái)樣本有較好的推廣性。</p><p>　　這種思想就稱(chēng)作結(jié)構(gòu)

54、風(fēng)險(xiǎn)最小化（或稱(chēng)作有序風(fēng)險(xiǎn)最小化)。</p><p>　　3.2 支持向量機(jī)應(yīng)用的幾個(gè)關(guān)鍵問(wèn)題</p><p><b>　?。?）核函數(shù)</b></p><p>　　支持向量機(jī)將非線(xiàn)性問(wèn)題轉(zhuǎn)化到高維空間的線(xiàn)性問(wèn)題，就會(huì)涉及到高維空間的計(jì)算，處理不當(dāng)，就會(huì)產(chǎn)生維數(shù)災(zāi)。幸運(yùn)的是，支持向量機(jī)的預(yù)測(cè)過(guò)程僅僅需要高維空間的向量?jī)?nèi)積計(jì)算，并且只要選擇了恰當(dāng)

55、的核函數(shù)，這個(gè)計(jì)算過(guò)程只需要在輸入空間中進(jìn)行，甚至不必知道高維空間的情況，這就避免了維數(shù)災(zāi)。這個(gè)過(guò)程中，最重要的就是選擇恰當(dāng)?shù)暮撕瘮?shù)。</p><p>　　核函數(shù)沒(méi)有一定的形式，只要滿(mǎn)足了一定的條件，都可以作為核函數(shù)使用。也就是說(shuō)，核函數(shù)的選擇是相當(dāng)靈活的。</p><p>　?。?）輸入向量維數(shù)m</p><p>　　支持向量機(jī)將輸入空間向量映射到高維空間，首先要

56、確定的就是輸入向量究竟是幾維的。因?yàn)槲覀冎皇菍?duì)平均速度做預(yù)測(cè)，所以，這里的維度就是指某個(gè)數(shù)據(jù)與前面多少個(gè)數(shù)據(jù)相關(guān)，亦即使用之前多少個(gè)數(shù)據(jù)來(lái)預(yù)測(cè)下一個(gè)數(shù)據(jù)?？梢钥吹?，這里的維度與混沌理論的重構(gòu)空間的維度具有某種相似性。下面還會(huì)具體討論。</p><p>　　這里，我們用最小最終誤差預(yù)測(cè)準(zhǔn)則FPE（Final Prediction Error，F(xiàn)PE）評(píng)價(jià)模型的預(yù)測(cè)誤差，并根據(jù)誤差大小來(lái)優(yōu)化選取嵌入維數(shù)。換言之，是用

57、一種試驗(yàn)法找出最佳維度來(lái)。</p><p><b>　?。?）其他參數(shù)</b></p><p>　　支持向量機(jī)中有很多參數(shù)，比如懲罰函數(shù)選取，?懲罰函數(shù)參數(shù)?，懲罰因子C等等。這些量的選取沒(méi)有一定的標(biāo)準(zhǔn)，本文根據(jù)經(jīng)驗(yàn)和試驗(yàn)的方法來(lái)確定最優(yōu)值。</p><p>　　3.3 混沌理論與支持向量機(jī)的結(jié)合</p><p>　　F

58、PE雖然可以確定輸入空間的維度，但速度較慢，不滿(mǎn)足實(shí)時(shí)預(yù)測(cè)的要求?？紤]到混沌理論重構(gòu)空間與支持向量機(jī)輸入空間的相似性，可以從這里入手解決問(wèn)題。</p><p>　　相空間重構(gòu)理論中，從向量空間某個(gè)分量的時(shí)間序列，可以重構(gòu)出一個(gè)空間，這個(gè)空間保留了原向量空間的動(dòng)力學(xué)特性。因此，在這個(gè)重構(gòu)空間中，向量之間有著足夠的獨(dú)立性與相關(guān)性，也就是說(shuō)，如果以這個(gè)空間的維度m作為輸入向量的空間維度，就可以包含原交通流序列的動(dòng)力學(xué)信

59、息。所以，我們就通過(guò)相空間重構(gòu)理論求出空間維度m作為支持向量機(jī)的輸入空間維度，不但求解速度快，滿(mǎn)足實(shí)時(shí)要求，而且具有理論依據(jù)。</p><p>　　3.4 支持向量機(jī)預(yù)測(cè)結(jié)果與不足</p><p>　　用支持向量機(jī)進(jìn)行預(yù)測(cè)的結(jié)果如下圖所示，平均相對(duì)誤差為2.5%，平均絕對(duì)誤差為1.477Km/h。可以看出，預(yù)測(cè)效果好于混沌理論，這是支持向量機(jī)對(duì)于小數(shù)據(jù)量預(yù)測(cè)的優(yōu)勢(shì)。但是，在交通流變化劇烈處

60、，預(yù)測(cè)效果比較差。</p><p>　　分析其原因，是因?yàn)橹С窒蛄繖C(jī)的預(yù)測(cè)模型沒(méi)有考慮到交通流的非平穩(wěn)性，用一個(gè)單一的預(yù)測(cè)精度對(duì)全域的交通流信息做預(yù)測(cè)，在某些地方顯得“分辨率”不足。這個(gè)特點(diǎn)使我們想到了有“數(shù)學(xué)顯微鏡”之稱(chēng)的小波分析。</p><p>　　圖4 支持向量機(jī)模型一步預(yù)測(cè)結(jié)果 圖5 支持向量機(jī)模型一步預(yù)測(cè)的相對(duì)誤差</p><p&

61、gt;　　4．小波分析與小波包分析在短期交通流預(yù)測(cè)中的應(yīng)用</p><p>　　小波分析，是將原始信號(hào)分解到一系列高維和低維的頻率空間，從而對(duì)頻率進(jìn)行了分解細(xì)化。</p><p>　　根據(jù)測(cè)不準(zhǔn)原理，頻率誤差與時(shí)間誤差的乘積不可能小于某個(gè)定值，這樣，不可能同時(shí)保證頻率分辨率與時(shí)間分辨率。而小波分析恰恰能根據(jù)頻率的特點(diǎn)保證相應(yīng)的分辨率。在高頻部分對(duì)時(shí)間精度要求很高，而頻率變化大，精度要求相對(duì)

62、低些，所以犧牲頻率分辨率滿(mǎn)足較高的時(shí)間分辨率；低頻部分相反，具有較高的頻率分辨率和較低的時(shí)間分辨率。</p><p><b>　　圖6 小波分解圖</b></p><p>　　小波分析對(duì)交通流預(yù)測(cè)的貢獻(xiàn)體現(xiàn)在兩個(gè)方面：第一，經(jīng)過(guò)小波分析，頻率變得相對(duì)簡(jiǎn)單，能夠根據(jù)不同的頻率特點(diǎn)作出預(yù)測(cè)，從而提高頻率精度；第二，小波分析能夠過(guò)濾出高頻部分，從而較準(zhǔn)確的辨識(shí)原始數(shù)據(jù)中的

63、噪聲，能對(duì)數(shù)據(jù)起到降噪的作用。</p><p><b>　　4.1 小波核函數(shù)</b></p><p>　　根據(jù)小波分析能夠?qū)?shù)據(jù)降噪的特點(diǎn)，選取小波分析中的常用函數(shù)——墨西哥草帽函數(shù)來(lái)構(gòu)造支持向量機(jī)的核函數(shù)。構(gòu)造的函數(shù)為：</p><p><b>　　（2）</b></p><p>　　可以驗(yàn)證，

64、該函數(shù)滿(mǎn)足了核函數(shù)的要求，可以作為核函數(shù)來(lái)使用。以此函數(shù)作為核函數(shù)的支持向量機(jī)模型就同時(shí)具備了小波分析的抗噪能力，能夠消除數(shù)據(jù)的高頻干擾。</p><p><b>　　4.2 小波包分析</b></p><p>　　小波分析只是對(duì)低頻部分作進(jìn)一步的分解，而小波包分析可以對(duì)低頻和高頻部分同時(shí)作進(jìn)一步的劃分，并根據(jù)信號(hào)特征自適應(yīng)的選擇相應(yīng)頻帶，從而根據(jù)交通流數(shù)據(jù)的特點(diǎn)進(jìn)行

65、了細(xì)化分解，預(yù)測(cè)精度進(jìn)一步提高。</p><p>　　圖7 小波包空間分解結(jié)構(gòu)圖</p><p>　　5．小波包-混沌-小波支持向量機(jī)模型</p><p>　　將以上的討論綜合起來(lái)，就可以得到本文最終的交通流預(yù)測(cè)模型——小波包-混沌-小波支持向量機(jī)模型。該模型的預(yù)測(cè)步驟為：</p><p>　?。?）對(duì)數(shù)據(jù)進(jìn)行前處理，包括降噪處理、歸一化等

66、。</p><p>　?。?）選定母小波函數(shù)，對(duì)交通流時(shí)間序列做小波包分解，得到各小波包子空間上的小波包系數(shù)。</p><p>　?。?）在每個(gè)尺度上利用小波包系數(shù)對(duì)交通流信息進(jìn)行重構(gòu)，得到每個(gè)子空間上的交通流數(shù)據(jù)分量。</p><p>　　（4）對(duì)于每個(gè)小波包子空間，利用相空間重構(gòu)理論分別計(jì)算嵌入維度m和時(shí)間延遲?，以此作為各個(gè)子空間支持向量機(jī)模型的結(jié)構(gòu)。<

67、/p><p>　?。?）用小波支持向量機(jī)預(yù)測(cè)模型分別對(duì)各個(gè)小波包子空間進(jìn)行預(yù)測(cè)，最后將所有子空間的交通流數(shù)據(jù)相加就得到短期交通流的預(yù)測(cè)值?；谛〔ò?混沌-小波支持向量機(jī)的預(yù)測(cè)模型的最終預(yù)測(cè)結(jié)果見(jiàn)圖8和圖9。</p><p>　　從預(yù)測(cè)效果來(lái)看，小波包-混沌-小波支持向量機(jī)模型取得了非常好的預(yù)測(cè)效果，平均絕對(duì)誤差為0.4842Km/h，平均相對(duì)誤差為0.83%，最大絕對(duì)誤差僅為3.294Km/

68、h。預(yù)測(cè)值與實(shí)際值擬合的非常好。而且在交通流突變處和變化劇烈處的預(yù)測(cè)效果均得到了提高，預(yù)測(cè)的結(jié)果令人滿(mǎn)意。</p><p>　　圖8 小波包-混沌-小波支持向量機(jī)預(yù)測(cè)結(jié)果 圖9 小波包-混沌-小波支持向量機(jī)預(yù)測(cè)誤差</p><p>　　作為比較，本文對(duì)傳統(tǒng)的時(shí)間序列模型和人工神經(jīng)網(wǎng)絡(luò)模型對(duì)此交通流序列作了一步預(yù)測(cè)，以平均相對(duì)誤差為例，大概在3%-5%，而小波包-混沌-小波支持向量

69、機(jī)模型的平均相對(duì)誤差僅0.83%，說(shuō)明了此模型在交通流預(yù)測(cè)方面的潛力。</p><p><b>　　6．結(jié)論和展望</b></p><p>　　本文應(yīng)用混沌理論、小波分析和支持向量機(jī)等工具對(duì)交通流預(yù)測(cè)進(jìn)行了比較深入地研究，并取得了相當(dāng)好的預(yù)測(cè)結(jié)果。對(duì)短期交通流預(yù)測(cè)領(lǐng)域做出了貢獻(xiàn)。</p><p>　　但是，本文的工作僅僅是針對(duì)傳統(tǒng)的線(xiàn)圈傳感器的

70、數(shù)據(jù)，并且僅僅就平均速度進(jìn)行了預(yù)測(cè)。下一步的工作應(yīng)當(dāng)是此成果推廣到其它數(shù)據(jù)類(lèi)型與其他交通流特性，并進(jìn)行實(shí)用性的研究與檢驗(yàn)。</p><p>　　交通流具有混沌特性，但目前對(duì)于交通流混沌特性的本質(zhì)研究還不深入。利用混沌理論的成果，結(jié)合交通問(wèn)題的特點(diǎn)，可以對(duì)交通流的特性作更深入的研究和探索。</p><p>　　支持向量機(jī)是近十多年發(fā)展起來(lái)的新型機(jī)器學(xué)習(xí)工具，對(duì)于小數(shù)據(jù)量樣本具有很好的預(yù)測(cè)效果

71、，符合交通流預(yù)測(cè)領(lǐng)域的特點(diǎn)。但是相比于支持向量機(jī)的理論研究，其應(yīng)用尚顯落后，將支持向量機(jī)應(yīng)用于交通流預(yù)測(cè)領(lǐng)域，有著很好的前景。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　王進(jìn)，短期交通流預(yù)測(cè)模型和方法研究 [博士學(xué)位論文] . 北京：清華大學(xué). 2005</p><p>　　王東生，曹磊. 混沌、分形及其應(yīng)用. 合肥：中

72、國(guó)科技大學(xué)出版社. 1995</p><p>　　劉式達(dá)，梁福明，劉式適等. 自然科學(xué)中的混沌和分形. 北京：北京大學(xué)出版社. 2003</p><p>　　李長(zhǎng)江，麻土華. 分形、混沌與ANN. 北京：地質(zhì)出版社. 1999</p><p>　　鄧乃揚(yáng)，田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機(jī). 北京：科學(xué)出版社. 2004</p><p>

73、;　　胡昌華，李國(guó)華，劉濤，等. MATLAB 6.X的系統(tǒng)分析與設(shè)計(jì)——小波分析. 西安：西安電子科技大學(xué)出版社. 1999</p><p>　　張學(xué)工. 關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī). 自動(dòng)化學(xué)報(bào). 2000，26(1)：32~41</p><p>　　馮蔚東，賀國(guó)光，劉豹. 基于自組織理論的交通流初步研究. 系統(tǒng)工程學(xué)報(bào). 1998，13（4）：104~108</p>