基于正交差分演化的UKF的短时交通流量预测

　　针对复杂交通路段下的短时交通流量模型的参数估计问题，建立了基于宏观交通流量预测的状态空间模型，提出了基于正交自适应差分演化的无迹卡尔曼滤波（UKF）算法，解决交通流量预测动态模型的参数优化问题。对差分演化算法（DE）的初始化过程，使用基于正交设计和量化技术的交叉算予最大限度地提高种群的多样性，平衡差分演化算法的开采性和勘探性，更高效地搜索无迹卡尔曼滤波的模型参数。并针对UKF、DE的不同情况，分别采用不同的自适应策略提高调节算法性能。实验结果表明，相对于单独使用随机分布的方式初始化，或者根据经验设置模型参数的方法，使用正交设计方法的初始化策略、变异算予以及参数自适应控制策略的差分演化算法能够有效地节省计算资源，提升预测性能和精度，具有更高的鲁棒性。