摘要：实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题.本文先介绍一种基于AR(p)模型的线性最小方差自适应预测算法.它采用带遗忘因子的递推最小二乘方法进行参数估计,采用基于线性最小方差预报原理的Astrom预报算法进行预报.在该算法的基础上提出了一种改进的多步自适应预测方法.新算法增加了误差补偿项,能较好地满足时变模型的预测要求.针对大量实测数据进行仿真实验,结果表明:改进算法在应用于时变性强的短时交通流量多步预测时具有较好的预测性能,而且其预测性能优于线性最小方差预报算法.

关键词：短时交通流预测 自适应预测 多步预测 线性最小方差预测 

单位：北京工业大学电子信息与控制工程学院; 北京; 100022; 国家自然科学基金委员会信息学部; 北京; 100085