季节性ARiMA模型在稀疏交通流下的预测方法.pdf

季节性ARiMA模型在稀疏交通流下的预测方法.pdf

ID:52215434

大小:3.02 MB

页数:6页

时间:2020-03-25

季节性ARiMA模型在稀疏交通流下的预测方法.pdf_第1页
季节性ARiMA模型在稀疏交通流下的预测方法.pdf_第2页
季节性ARiMA模型在稀疏交通流下的预测方法.pdf_第3页
季节性ARiMA模型在稀疏交通流下的预测方法.pdf_第4页
季节性ARiMA模型在稀疏交通流下的预测方法.pdf_第5页
资源描述:

《季节性ARiMA模型在稀疏交通流下的预测方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第31卷第4期2014年4月V01.31No.4Apr.2014doi:10.3969/j.issn.1002—0268.2014.04.022季节性ARiMA模型在稀疏交通流下的预测方法祁伟1,李晔2,汪作新1(1.深圳市交通运输委员会,广东深圳518040;2中国科学院深圳先进技术研究院,广东深圳518055摘要:交通流监测存在普遍的稀疏性,理想的交通流预测模型应该能够充分利用交通流数据的特征,克服稀疏性问题。通过大量的数据分析,城市道路交通流被证实存在时序上的周期性特征。同时,数据分析结果也表明了交通观测数据稀疏性的

2、普遍存在,而且稀疏的分布不均匀,有些极端稀疏道路甚至出现数天的观测缺失。因此,交通流预测模型应该有对稀疏的适应性,而季节性ARiMA交通流预测模型的引入能够很好地利用时序周期特征计算交通观测值的缺失。这种模型的优势在于融合了邻近的交通流观察值和交通流数据的周期性,消除了道路稀疏性导致观测值缺失带来的预测障碍。对比试验的展示表明了这种模型对交通流数据周期性特征的利用和对稀疏性的适应。关键词:交通3-程;实时交通状况预测;时序分析;ARiMA模型;稀疏性中图分类号:13491.1+12文献标识码:A文章编号:1002—0268

3、(2014)04—0130—06UtilizingSeasonalARiMAModelforTrafficEstimationinSparsenessQIWeil,LIYe2,WANGZuo—xinl(1.ShenzhenMunicipalComnfissionofTransport,ShenzhenGuangdong518040,China;2.ShenzhenInstitutesofAdvancedTechnology-,ChineseAcademyofSciences,ShenzhenGuangdong518055,

4、China)Abstract:Sparsenessexistsintrafficmonitoring.Anidealtrafficpredictionmodelshouldutilizecharacteristicsoftrafficflowdatatoovel.c'onlesparseness.Bymassivedataanalysis,itisprovedthaturbanroadtrafficflowdatahasasequenceperiodiccharacteristic.Meanwhile,thereisals

5、ospatiallyubiquitouslyandunevensparsenessinsidetrafficmonitoringdata.Someroadsevenhaveanextremesituationofdaysvacuum.Thustrafficpredictionmodelshouldberobusttothesparseness.TheintroductionoftheseasonalARiMAmodelcanbenefitfromutilizingsequenceperiodicalcharacterist

6、ictointerpolatethelostmonitoringvalues.Theadvantageofthismodelisthatthefusionoftheobservedvaluesofadiacenttraffictlowandthetrafficflowdataperiodically,eliminatingthepredictobstaclesofmissingobsmwationsduetothespars.Thecomparativeexperimentshowsthismodelhasrobustne

7、sstotheperiodiccharacteristicandthesparseness.Keywords:trafficengineering;real—timetrafficconditionprediction;time—seriesanalysis;ARiMAmodel:sparseness0引言许多发达国家交通发展的重点已经从物理设施建设转向了思考如何改善交通的有效性和集成性。这个新的着重点中的基础设施常常被称为智能交通系统。怎么样快速获取动态系统状况的信息对这一系统非常关键。因此,在20世纪末,我们看到了广泛

8、的地面交通网络在世界大城市中铺开,从这些传感系统获取的数据被广泛传播给旅行者和交通支持控制系统,比如高速公路的斜坡测量。但实时数据收稿日期:2013—03—22作者简介:祁伟(1981一),男,吉林通化人,硕士研究生.(148881@qq.COnl)e叩陀眺da技

9、;∞科艮萼锄交卵路E要d公Ⅻy帕gHd

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。