城市道路交通流短时预测及可靠性分析

被引：8

作者：

聂庆慧

夏井新

钱振东

机构：

[1] 东南大学智能运输系统研究中心

来源：

西南交通大学学报 | 2013年 / 48卷 / 05期

关键词：

交通流预测; 时间序列; GARCH; 性能评估; 城市道路;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

摘要：

为了捕捉交通流随机波动导致的交通流短时预测的不确定性,利用反映预测波动的异方差对可靠性进行量化预测;基于时间序列及其异方差理论,构建了以单整自回归滑动平均ARIMA(0,1,1)模型为均值方程的城市道路交通流短时预测的广义自回归条件异方差GARCH(1,1)模型.通过ARCH LM检验证实,GARCH(1,1)模型能够有效捕捉并消除ARIMA(0,1,1)模型的异方差性.结果表明:基于GARCH(1,1)模型的城市快速路流量预测的MAPE值不高于10%,城市快速路及主干道速度预测的MAPE值为7.86%～10.24%;与ARIMA(0,1,1)模型预测的固定置信区间相比,在自由流交通状况下,GARCH(1,1)模型在有效预测前提下的预测置信区间更窄;在交通拥挤状况下,GARCH(1,1)模型能够通过放大预测置信区间宽度减少无效预测.

引用

页码：955 / 960

页数：6

共 7 条

[1] 基于灰色神经网络的点速度预测模型 [J].

吴志周 ;

范宇杰 ;

马万经 .

西南交通大学学报, 2012, 47 (02) :285-290

[2] 用于短时交通流预测的多项式分布滞后模型 [J].

谢军 ;

吴伟 ;

杨晓光 .

同济大学学报(自然科学版), 2011, 39 (09) :1297-1302

[3] 非参数回归方法在短时交通流预测中的应用 [J].

张晓利 ;

陆化普 .

清华大学学报(自然科学版), 2009, 49 (09) :1471-1475

[4] Predictions of Freeway Traffic Speeds and Volumes Using Vector Autoregressive Models [J].

Chandra, Srinivasa Ravi ;

Al-Deek, Haitham .

JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS, 2009, 13 (02) :53-72

[5]

Travel time unreliability on freeways: Why measures based on variance tell only half the story[J] . J.W.C. van Lint,Henk J. van Zuylen,H. Tu. Transportation Research Part A . 2007 (1)

[6]

Accurate freeway travel time prediction with state-space neural networks under missing data[J] . J.W.C. van Lint,S.P. Hoogendoorn,H.J. van Zuylen. Transportation Research Part C . 2005 (5)

[7] Comparison of parametric and nonparametric models for traffic flow forecasting [J].

Smith, BL ;

Williams, BM ;

Oswald, RK .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2002, 10 (04) :303-321

← 1 →