基于非线性时间序列模型的城市道路短期交通流预测研究

被引：50

作者：

孙湘海 ^{[1
]}

刘潭秋 ^{[2
]}

机构：

[1] 长沙理工大学

[2] 中南大学数学博士后流动站

来源：

土木工程学报 | 2008年 / 01期

关键词：

城市道路短期交通流; 自我激励阈值自回归模型; 交通拥堵状态; 交通畅通状态; 预测;

D O I：

10.15951/j.tmgcxb.2008.01.002

中图分类号：

U491.14 [];

学科分类号：

摘要：

对应于城市道路短期交通流复杂的非线性特征,采用一种非线性的时间序列模型来对其变化规律进行探索,以期获得城市道路短期交通流的精确预测。根据现实情况,可以将城市道路的交通流条件划分为两种状态:交通拥堵和交通畅通,在不同的状态下,交通流表现出不同的变化特征,一个二制度自我激励阈值自回归(SETAR)模型的结构能够很好地与之相符。以现实中的城市道路短期交通流数据为样本所进行的实例分析结果表明,被估计模型获得了很好的仿真结果,并能够合理地解释城市道路短期交通流的非线性特征。以此为基础,用估计所确定模型进行城市道路短期交通流的样本外预测,结果表明该模型不仅有较高的预测精度,且预测表现明显优于自回归求和移动平均(ARIMA)模型。

引用

页码：104 / 109

页数：6

共 5 条

[1]

Statistical methods for detecting nonlinearity and non-stationarity in univariate short-term time-series of traffic volume [J].

Vlahogianni, Eleni I. ;

Karlaftis, Matthew G. ;

Golias, John C. .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2006, 14 (05) :351-367

[2]

Forecasting Traffic Flow Conditions in an Urban Network: Comparison of Multivariate and Univariate Approaches.[J].Yiannis Kamarianakis;Poulicos Prastacos.Transportation Research Record.2003, 1

[3]

Modeling and forecasting vehicular traffic flow as a seasonal ARIMA process: Theoretical basis and empirical results [J].