关于交通流量数据预测建模研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＡＢＳＴＲＡ ＣＴ ：Ｔｏ ｉｍ ｐｒｏｖｅ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｈｉｇｈ— ｗａｙ ｔｒａｆｆ ｉｃ ｆ ｌｏｗ ｆｏｒｅｃａｓｔｉｎｇ， ａ ｈｙｂｒ ｉｄ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｗａｓ ｐｕｔ ｆｏｒ－ ｗａｒｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｔｒａｆｆｉｃ ｄａｔａ ｆｅａｔｕｒｅｓ．Ｔｈｅ ａｐｅｒ ｉｏｄｉｃ ｄａｔａ ｗｅｒｅ ｄｅｃｏｍｐｏｓｅｄ ｗｉｔｈ ＥＥＭＤ ｔｏ ｍａｘｉｍｉｚｅ ｔｈｅ ｉｎｆｏｒ ｍ ａｔｉｏｎ． ＧＡＲＣＨ ｅｆｆｅｃｔ ｗａｓ ｔｅｓｔｅｄ ｏｎ ｔｈｅ ｄｅｃｏｍｐｏｓｅｄ ｃｏｍｐｏｎｅｎｔｓ． Ｔｈｅｎ ａ ｈｙｂｒ ｉｄ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｔｅｓｔ ｒｅｓｕｌｔｓ．Ｔｈｅ ｃｏｎｔｒａｓｔｉｖｅ ｅｘｐｅｒｉｍｅｎｔｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｈｙｂｒｉｄ ｍｏｄｅｌ，ｔｈｅ ｔｒａｄｉｔｉｏｎａ ｌ ＥＥＭＤ —ＡＲＭＡ ｍｅｔｈｏｄ ａｎｄ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｍ ｏｄｅｌ ｗｅｒｅ ｃａｒｒｉｅｄ ｏｕｔ ｕｓｉｎｇ ｔｈｅ ａｃｔｕａｌ ｔｒａｆｆｉｃ ｆ ｌｏｗ ｄａｔａ ｏｎ Ｃｈｅｎｇｄｕ ｆｒｅｅｗａｙ．Ｔｈｅ ｒｅｓｕｈｓ ｓｈｏｗ ｔｈａｔ ｔｈｅｒｅ ｉｓ ｏｂｖｉｏｕｓ ＧＡＲＣＨ ｅｆｆｅｃｔ ｏｎ ｔｒａ ｆｆｉｃ ｆ ｌｏｗ ｄａｔａ ａｎｄ ｔｈｅ ｍ ｏｄｅｌ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｈａｓ ｓｍａｌｌｅｒ ｖａｌｕｅ ｉｎ ＭＡＰＥ ａｎｄ ＭＳＥ ａｎｄ ｐｅｒｆｏｒｍ ｓ ｂｅｔｔｅｒ ｉｎ ｓｔａｂｉｌｉｔｙ． ＫＥＹＷ ＯＲＤＳ：ＧＡＲＣＨ；Ｔｒａｆｆｉｃ ｆｌｏｗ；Ｈｙｂｒ ｉｄ ｍｏｄｅｌ；ＥＥＭＤ
Ｓｔｕｄｙ ｏｎ ＧＡＲＣＨ Ｅｆｅｃｔ ｉｎ Ｔｒａｆｉ ｃ Ｆｌｏｗ Ｄａｔａ ａｎｄ Ｐｒｅｄｉｃｔｉｏｎ Ｍ ｏｄｅｌ
ＷＡＮＧ Ｑｉｕ—ｐｉｎｇ，ＳＨＵ Ｑｉｎ，ＨＵＡＮＧ Ｈｏｎｇ—ｇｕａｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｓｉｃｈｕａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ Ｓｉｃｈｕａｎ ６１００６５，Ｃｈｉｎａ）
２ 高 速路 交通流 量预 测原 理
２．１ 预 测 数 学 模 型 高速路交通系统是一个时变 、非线性 系统 。从基本结
构上来看 ，交通流量 （ｔ）具有周期性 ，同时也存 在 由于天气 、 拥堵 、车祸 、道路维修等引起 的非周期分量 ，可表示为
—
１９４ 一
（ｔ） ＝ ｃ（ｔ）＋ （ｔ）
ｌ 引言 短 期 交 通 流 量 预 测 是 智 能 交 通 系 统 的一 个 重 要 组 成 部
分 ，一个实 时并精确 的交通 流量 预测模型对 于旅客 出游 和管 理者进行决策都具有重大意 义 Ｊ。 目前 ，国内外 存在 的高 速路流量预测方法可 以分为两类 ：①基 于数 学分析 的模 型 ，如卡 尔曼 滤波 、自回归滑 动平 均 （ＡＲＭＡ）等 。此 类方 法 根据未来数据和历 史数 据的相 关性 建立模 型。②工 智 能模 型 ，如神 经网络技 术 、支持 向量机等 。此类方法是 根据 “训练 与学 习”过程来 达到精确 预测的 目的。 由于受到 天气 、车祸 、 节假 日等 因素 的影 响 ，高速路交通流量 系统 本质上是 一个非 线性 时变 系统 ，高速路流量预测仍然具 有很大 的挑战 。从整
（１） 差 的模 型被称为异方差模型 ¨ ， ］。
第３３卷 第０２期
文 章 编 号 ：１００６—９３４８（２０１６）０２—０１９４—０４
计 算 机 仿 真
２０１６年２月
关 于 交 通 流 量 数 据 预 测来自百度文库建 模 研 究
王秋 平 ，舒 勤 ，黄宏 光
（四川 大学电气信息学 院，四川 成都 ６１００６５）
摘要 ：研究 高速路交通流量预测建模问题 ，交通流量数据不仅具有周期性还具有波动性。 由于交通流量存在 随机性 ，传统模 型只反映了交通流量一部分信息 ，预测准确度较低。为了提高高速路交通流量预测精度 ，结合交通流量数据特性 ，提 出了一 种新的混合 预测方法 。采用 ＥＥＭＤ分解非周期分量 ，使其 信息最大化 ，对分解 出的分量进 行 ＧＡＲＣＨ效应检验 。根 据检验 结果建立了混合预测模 型。针对成都市某高速路的实测交通流量数 据，采用混合预测模 型与 ＥＥＭＤ—ＡＲＭＡ模 型 、神经 网 络模型进行对比实验 。实验结果表 明，高速路交通流量的非周期 分量存在 明显 的 ＧＡＲＣＨ效应 ，相 比于传统 模型 ，混合模型 的预测平均误 差和均方误差小 ，预测精度高且稳定。 关键词 ：广义 自回归条件异方差 ；交通流量 ；混合模型 ；集合经验模态分解 中 图 分 类 号 ：ＴＰ３９１．９； 文 献 标 识 码 ：Ｂ
基金项 目：四川省交通科技项 目（２０１３ｃ７—１） 收稿 日期 ：２０１５—０３—１９ 修回 日期 ：２０１５—０４—１２
体上看 ，交通 流量 具有 以 日为周 期 的周期性 ，但 同时也存 在 非周期性 。运用 以上模 型很 难全 面反 映出高 速路交 通流 量 特性 ，不 能保 证对 任何 时 刻 的交 通流 量均 具有 较 好 的预 测 精 度 。
基于上述工作 ，本文考 虑 到交通 流量 的周期性 ，着 重对 非周期分量进行处理 。根据信号时 间尺 度特性 ，利用集合 经 验模态分解方 法 （ＥＥＭＤ）分 解 非 周 期分 量 ，使 信 息 量 最 大 化 ，分析 非周期分 量数据特 性 ，结 合 ＡＲＭＡ和 广义 自回归 条 件异方差 （ＧＡＲＣＨ）的 优势 对不 同分量 采 用不 同 的预 测 方 法 ，最后 将所 得的预测结果相加得到最终的流量预测值 。
Ｓｔｕｄｙ ｏｎ ＧＡＲＣＨ Ｅｆｅｃｔ ｉｎ Ｔｒａｆｉ ｃ Ｆｌｏｗ Ｄａｔａ ａｎｄ Ｐｒｅｄｉｃｔｉｏｎ Ｍ ｏｄｅｌ
ＷＡＮＧ Ｑｉｕ—ｐｉｎｇ，ＳＨＵ Ｑｉｎ，ＨＵＡＮＧ Ｈｏｎｇ—ｇｕａｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｓｉｃｈｕａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ Ｓｉｃｈｕａｎ ６１００６５，Ｃｈｉｎａ）
２ 高 速路 交通流 量预 测原 理
２．１ 预 测 数 学 模 型 高速路交通系统是一个时变 、非线性 系统 。从基本结
构上来看 ，交通流量 （ｔ）具有周期性 ，同时也存 在 由于天气 、 拥堵 、车祸 、道路维修等引起 的非周期分量 ，可表示为
—
１９４ 一
（ｔ） ＝ ｃ（ｔ）＋ （ｔ）
ｌ 引言 短 期 交 通 流 量 预 测 是 智 能 交 通 系 统 的一 个 重 要 组 成 部
分 ，一个实 时并精确 的交通 流量 预测模型对 于旅客 出游 和管 理者进行决策都具有重大意 义 Ｊ。 目前 ，国内外 存在 的高 速路流量预测方法可 以分为两类 ：①基 于数 学分析 的模 型 ，如卡 尔曼 滤波 、自回归滑 动平 均 （ＡＲＭＡ）等 。此 类方 法 根据未来数据和历 史数 据的相 关性 建立模 型。②工 智 能模 型 ，如神 经网络技 术 、支持 向量机等 。此类方法是 根据 “训练 与学 习”过程来 达到精确 预测的 目的。 由于受到 天气 、车祸 、 节假 日等 因素 的影 响 ，高速路交通流量 系统 本质上是 一个非 线性 时变 系统 ，高速路流量预测仍然具 有很大 的挑战 。从整
（１） 差 的模 型被称为异方差模型 ¨ ， ］。
第３３卷 第０２期
文 章 编 号 ：１００６—９３４８（２０１６）０２—０１９４—０４
计 算 机 仿 真
２０１６年２月
关 于 交 通 流 量 数 据 预 测来自百度文库建 模 研 究
王秋 平 ，舒 勤 ，黄宏 光
（四川 大学电气信息学 院，四川 成都 ６１００６５）
摘要 ：研究 高速路交通流量预测建模问题 ，交通流量数据不仅具有周期性还具有波动性。 由于交通流量存在 随机性 ，传统模 型只反映了交通流量一部分信息 ，预测准确度较低。为了提高高速路交通流量预测精度 ，结合交通流量数据特性 ，提 出了一 种新的混合 预测方法 。采用 ＥＥＭＤ分解非周期分量 ，使其 信息最大化 ，对分解 出的分量进 行 ＧＡＲＣＨ效应检验 。根 据检验 结果建立了混合预测模 型。针对成都市某高速路的实测交通流量数 据，采用混合预测模 型与 ＥＥＭＤ—ＡＲＭＡ模 型 、神经 网 络模型进行对比实验 。实验结果表 明，高速路交通流量的非周期 分量存在 明显 的 ＧＡＲＣＨ效应 ，相 比于传统 模型 ，混合模型 的预测平均误 差和均方误差小 ，预测精度高且稳定。 关键词 ：广义 自回归条件异方差 ；交通流量 ；混合模型 ；集合经验模态分解 中 图 分 类 号 ：ＴＰ３９１．９； 文 献 标 识 码 ：Ｂ
基金项 目：四川省交通科技项 目（２０１３ｃ７—１） 收稿 日期 ：２０１５—０３—１９ 修回 日期 ：２０１５—０４—１２
体上看 ，交通 流量 具有 以 日为周 期 的周期性 ，但 同时也存 在 非周期性 。运用 以上模 型很 难全 面反 映出高 速路交 通流 量 特性 ，不 能保 证对 任何 时 刻 的交 通流 量均 具有 较 好 的预 测 精 度 。
基于上述工作 ，本文考 虑 到交通 流量 的周期性 ，着 重对 非周期分量进行处理 。根据信号时 间尺 度特性 ，利用集合 经 验模态分解方 法 （ＥＥＭＤ）分 解 非 周 期分 量 ，使 信 息 量 最 大 化 ，分析 非周期分 量数据特 性 ，结 合 ＡＲＭＡ和 广义 自回归 条 件异方差 （ＧＡＲＣＨ）的 优势 对不 同分量 采 用不 同 的预 测 方 法 ，最后 将所 得的预测结果相加得到最终的流量预测值 。