收稿日期! !"#$%#!%#$! 修回日期! !"#&%"#%!#''基金项目! 国家交通运输部科技资助项目"!"##$#)!!#!$"# !中国工程院重点咨询项目
"!"#!%W3%!!#!国家教育部博士点基金资助项目"!"#!"#.###""&-#
作者简介!唐毅"#.)$%#$男$重庆人$高级工程师$博士$主要研究方向为智能交通系统 " I012O5#.)$!#.8#9$:;<=#!刘卫宁"#.9(%#$女$重庆
人$教授$博士$主要研究方向为智能交通系统!孙棣华"#.9(%#$男$重庆人$教授$博士$主要研究方向为智能交通系统!魏方强"#.)&%#$男$重庆
人$硕士$主要研究方向为智能交通系统!余楚中"#.-!%# $男$重庆人$副教授$主要研究方向为电气自动化:
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
!
唐'毅
#0"#;"!
" 刘卫宁
#0"#;
" 孙棣华
#N"#;
" 魏方强
#N"#;
" 余楚中
#N
"#:重庆大学 0:计算机学院! N:自动化学院! ;:信息物理社会可信服务计算教育部重点实验室$ 重庆 &"""&&!
!:重庆高速公路集团有限公司机电分公司$ 重庆 &"##!##
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&
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
中图分类号! >?$.#! ^&.('''文献标志码! A'''''文章编号! #""#%$9.("!"#(#"#%"#&9%"&
B<5!#":$.9. CD:5EE1:#""#%$9.(:!"#(:"#:"$$
APPL5;0I5<1 <M5=PJ<GHB I5=HEHJ5HE=<BHL51
M<JH;0EI512<ME4<JI%IHJ=IJ0MM5;ML</M<JMJHH/0O
>ARSp5
#0"#;"!
" _`^QH5%1512
#0"#;
" T^R,5%4K0
#N"#;
" QF`g012%65012
#N"#;
" p^[4K%34<12
#N
!#;$;90((.8.0<90=E-+."/1'.%1." #;90((.8.0<K-+0=$+'0%" 1;@.5A$#0"$+0"50<:.E.%B$#(./."4'1.90=E-+'%8 '% 95#."G25*'1$(/01'.+50<
O'%'*+"50<?B-1$+'0%" 920%8V'%8 !%'4."*'+5" 920%8V'%8 &"""&&" 92'%$& !;?(.1+"'1$(>O.12$%'1$(M"$%12 0<920%8V'%8 ?PE".**3$5I"0-E
90;" A+B;" 920%8V'%8 &"##!#" 92'%$#
!"#$%&'$$ `1 <JBHJI<5=PJ<GHI4HPJHB5;I5<1 0;;KJ0;O<ME4<JI%IHJ=IJ0MM5;ML</" 05=5120II4HE4<JI;<=512E<MI4HIJ0B5I5<10L
I5=HEHJ5HE=<BHL/4H1 KEHB I<M<JH;0EIIJ0MM5;ML</" EK;4 0EI4HP0J0=HIHJ<MI4H=<BHL;<KLB 1<I0BDKEIBO10=5;0LLO" E=<<I4%
1HEE<MI4HI5=HEHJ5HE0N0IHB BKHI<E0=PLHE53H/0EI<<L0J2H01B I4H;<=PL5;0IHB PJ<;HEE<M=<BHL512" I45EP0PHJ5=PJ<GHB
I5=HEHJ5HE=<BHLMJ<=I/<0EPH;IE51;LKB512I4HBO10=5;EHLH;I5<1 <ME0=PLHI5=HEHJ5HE01B =<BHL5BH1I5M5;0I5<1:FWPHJ5=H1IE
01B ;<=P0J5E<1 010LOE5ENHI/HH1 I4H5=PJ<GHB I5=HEHJ5HE=<BHL01B I4HPJHG5<KE<1H/HJH;0JJ5HB <KINOKE512I4H0;IK0LIJ0M%
M5;ML</B0I0<M=5;J</0GHGH45;LHBHIH;I<J<1 pKQK MJHH/0O:>4HJHEKLIEE4</I40II4H5=PJ<GHB I5=HEHJ5HE=<BHL<GHJ;<=HE
I4HE4<JI;<=512E<MI4HIJ0B5I5<10LI5=HEHJ5HE=<BHLHMMH;I5GHLO
" 01B 40EPJHMHJ0NLH0B0PI0N5L5IO01B 4524HJM<JH;0EI0;;KJ0;O1<
=0IIHJ<1 /HHUB0OE<J4<L5B0OEK1BHJB5MMHJH1IIJ0MM5;ML</;<1B5I5<1E:
()* +,%-#$ IJ0MM5;H1251HHJ512& IJ0MM5;ML</M<JH;0EI512& I5=HEHJ5HE& E0=PLHEHJ5HE& BO10=5;0L=<BHL512& P0J0=HIHJ0BDKEI%
=H1I
''高速公路具有行车速度快(通行能力强(运输效率高等特
点" 实时准确地把握高速公路的交通状态以保障其畅通有序运
行
"对于城市建设和经济发展具有十分重要的意义' 现有检测
技术已经能够实时监测高速公路的交通状态
"但交通管理部门
和出行者更关心未来短时间内的交通状态"预测未来短时间内
的交通状态不仅能够为交管部门进行交通管制提供决策和支
持
"同时能够对出行者加以有效的路径诱导' 短时交通状态预
测的关键在于短时交通流量预测"目前关于短时交通流量预测
的方法很多"时间序列模型就是其中较为成熟的预测方法之
一' 时间序列模型最主要的特征就是承认观测值之间的依赖
关系和相关性"其优点在于不仅考虑了观测数据在时间序列上
的依存性
"同时也考虑了随机波动的干扰"因此能够进行动态
预测
)#*
"国内外不少学者利用该方法对短时交通流量预测进
行了一系列研究
)! b9*
"但大多建模过程与传统时间序列模型相
似" 存在模型参数无法动态调整(样本量过大导致序列的平稳
性减弱(建模过程复杂等不足'
针对以上不足之处"本文从样本序列的动态选取及模型识
别两方面对传统时间序列模型进行优化
"提出了一种改进的时
间序列模型'
"
'传统时间序列模型及其不足之处
传统的时间序列模型
)-*
主要有波克斯3詹金斯! V<W%]H1%
U51E#模型"潘迪特3吴贤铭模型以及长自回归(白噪声模型
第 $! 卷第 # 期
!"#( 年 # 月'
计 算 机 应 用 研 究
APPL5;0I5<1 XHEH0J;4 <M[<=PKIHJE
\<L@$! R<@#
]01:!"#(
评论0
最新资源