基于多维时间序列的ETC短时交通流量预测模型

被引：18

作者：

赵亚伟 ^{[1
]}

陈艳晶 ^{[1
]}

管伟 ^{[2
]}

机构：

[1] 中国科学院大学大数据分析技术实验室

[2] 北京速通科技有限公司

来源：

交通运输系统工程与信息 | 2016年 / 16卷 / 04期

关键词：

智能交通; 交通流量预测; 多维时间序列模型; 电子不停车收费; 相似性度量;

D O I：

10.16097/j.cnki.1009-6744.2016.04.028

中图分类号：

U491.14 []; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

0838 ;

摘要：

ETC短时交通流量预测是高速公路ETC管理的基础,准确的交通流量预测为交通枢纽管理方案设计与ETC车道的建设规划等提供指导.目前关于短时交通流量的研究很多,但多数是以数学表达式的形式进行模型表示,很难进行准确的趋势描述.本文基于多维时间序列的ETC短时交通流量预测模型,考虑了法定节假日、高速公路免费和天气等外界因素对ETC交通流量的影响,并结合某地尾号限行的特殊性,考虑"周几"因素,以某高速公路ETC车道交通流量数据为基础,进行预测.预测结果显示,该模型预测结果总体平均绝对相对误差为8.10%,表明该模型具有较强的实用性.

引用

页码：191 / 198

页数：8

共 7 条

[1] 基于多维时间序列和BP神经网络的短期风电功率预测 [J].