基于RVM和ARIMA的短时交通流量预测方法研究

被引：15

作者：

韦凌翔 ^{[1
,2
]}

陈红 ^{[2
]}

王永岗 ^{[2
]}

钟栋青 ^{[1
]}

王春娥 ^{[1
]}

机构：

[1] 盐城工学院材料工程学院

[2] 长安大学公路学院

来源：

武汉理工大学学报(交通科学与工程版) | 2017年 / 41卷 / 02期

关键词：

交通工程; 短时交通流量预测; 相关向量机; 多时间尺度; 自回归积分移动平均模型;

D O I：

暂无

中图分类号：

U491.14 [];

学科分类号：

摘要：

为进一步提高短时交通流量预测精度,提出一种基于RVM和ARIMA的短时交通流量降噪方法.设计了降噪方法的流程,选取了降噪方法误差评价指标;基于RVM和ARIMA的短时交通流量预测方法和预测流程,引入平均绝对相对误差(MAPE)作为预测方法误差评价指标,以某城市道路的录像数据为实例,对构建的预测方法有效性进行验证.结果表明,在不同公用时间尺度(5,10,15min)下,所提出的短时交通流量预测方法的平均绝对相对误差均小于直接运用指数降噪模型、BT神经网络模型、ARIMA模型等方法预测的结果,有效地提高了短时交通流量预测精度.

引用

页码：349 / 354

页数：6

共 8 条

[1] Relevance vector machine for automatic detection of clustered microcalcifications. Liyang Wei,Yongyi Yang,Nishikawa, R.M.,Wernick, M.N.,Edwards, A. Medical Imaging, IEEE Transactions on . 2005
[2] Scheduling and Routing of AMOs in an Intelligent Transport System. Chiew, K.,Shaowen Qin. Intelligent Transportation Systems, IEEE Transactions on . 2009
[3] Application of relevance vector machine and logistic regression for machine degradation assessment[J] . Wahyu Caesarendra,Achmad Widodo,Bo-Suk Yang. &nbspMechanical Systems and Signal Processing . 2009 (4)
[4] Phase transition in traffic jam experiment on a circuit[J] . Shin-ichi Tadaki,Macoto Kikuchi,Minoru Fukui,Akihiro Nakayama,Katsuhiro Nishinari,Akihiro Shibata,Yuki Sugiyama,Taturu Yosida,Satoshi Yukawa. &nbspNew Journal of Physics . 2013 (10)
[5] 协整理论与波动模型[M]. 清华大学出版社 , 张世英, 2013
[6] 城市快速路交通拥堵持续时间分布特性研究
张轮
施奕骋
杨文臣
杨涛
[J]. 武汉理工大学学报(交通科学与工程版), 2014, (01) : 1 - 6
[7] 基于层级控制的区域交通信号控制及交通流诱导协调模型
王薇
程泽阳
张伟
杨兆升
[J]. 武汉理工大学学报(交通科学与工程版), 2016, 40 (04) : 609 - 614
[8] The implementation of the intelligent transport system for the real-time roadside environment information transfer. LEE G Y,PARK H M,CHO H G,et al. Journal of Comparative Neurology . 2011

← 1 →