改进时间序列模型在高速公路短时交通流量预测中的应用

被引:21
作者
唐毅 [1 ,2 ,3 ]
刘卫宁 [1 ,2 ]
孙棣华 [4 ,2 ]
魏方强 [4 ,2 ]
余楚中 [4 ]
机构
[1] 重庆大学计算机学院
[2] 重庆大学信息物理社会可信服务计算教育部重点实验室
[3] 重庆高速公路集团有限公司机电分公司
[4] 重庆大学自动化学院
关键词
交通工程; 交通流量预测; 时间序列; 样本序列; 动态建模; 参数调整;
D O I
暂无
中图分类号
U491.14 [];
学科分类号
摘要
为了提高短时交通流预测精度,针对传统时间序列模型在进行交通流量预测时存在无法动态调整模型参数、样本量过大导致序列的平稳性减弱、建模过程复杂等不足,从样本序列的动态选取及模型识别两方面进行优化,提出了一种改进的时间序列模型。利用渝武高速公路微波车检器的实测流量数据对改进前后的时间序列模型进行了实验验证和对比分析,结果表明改进后的时间序列模型有效克服了传统时间序列模型的不足,并对不同的交通流状况具有较好的适应性,无论在工作日还是节假日均具有更高的预测精度。
引用
收藏
页码:146 / 149
页数:4
相关论文
共 10 条
[1]   交通流实测数据的时间序列分析 [J].
张英莹 ;
吴正 ;
郭明旻 .
复旦学报(自然科学版), 2011, 50 (06) :767-772+779
[2]   时间序列平稳性检验 [J].
刘罗曼 .
沈阳师范大学学报(自然科学版), 2010, 28 (03) :357-359
[3]   快速路交通流时间序列聚类预测方法与模型 [J].
陈鹏 ;
孙剑 ;
李克平 .
交通与计算机, 2008, (05) :49-52
[4]   基于ARIMA与人工神经网络组合模型的交通流预测 [J].
谭满春 ;
冯荦斌 ;
徐建闽 .
中国公路学报, 2007, (04) :118-121
[5]   基于灰色系统理论的短时交通流预测 [J].
邓志龙 ;
李全 ;
陈茜 .
公路交通技术, 2006, (01) :117-119
[6]   回归模型可决系数的可决性研究 [J].
李军军 ;
张建涛 .
统计与决策, 2005, (11) :19-20
[7]   交通流的时间序列建模及预测 [J].
徐今强 ;
刘智勇 .
五邑大学学报(自然科学版), 2004, (03) :16-20
[8]   基于ARIMA模型的短时交通流实时自适应预测 [J].
韩超 ;
宋苏 ;
王成红 .
系统仿真学报, 2004, (07) :1530-1532+1535
[9]   Combining kohonen maps with arima time series models to forecast traffic flow [J].
vanderVoort, M ;
Dougherty, M ;
Watson, S .
TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 1996, 4 (05) :307-318
[10]  
时间序列分析简明教程.[M].张树京;齐立心编著;.北方交通大学出版社.2003,