基于最优加权法的改进交通流组合预测研究.pdfVIP

第31卷 第5期 暨南大学学报 (自然科学版) VO1．31 NO．5 2010年 1O月 JournalofJinanUniversity(NaturalScience) Oct． 2010 基于最优加权法的改进交通流组合预测研究 李长锦， 谭满春 (暨南大学数学系，广东 广州 510632) [摘 要] 分析了交通流由线性和非线性部分组成 ，使用ARIMA模型、指数平滑模型和灰色模型对线性部分进行 预测 ，并且以预测误差平方和最小为准则确定这3个模型预测结果的最优加权系数，得到这3个模型的最优组合， 最后对非线性残差部分使用支持向量机模型进行预测．通过实例分析发现，组合预测模型相 比单个预测方法具有 更高的精度，能够较准确地对交通流进行预测． [关键词] 交通流预测； ARIMA模型；指数平滑模型；灰色预测模型； 最优加权；误差平方和； 支持向量机 [中图分类号] U491 [文献标志码] A [文章编号] 1000～9965(2010)05一o457一o5 Improvementoftrafficflow combination prediction baseon the optimalweightingmethod LIChang-jin，TANMan—chun (DepartmentofMatI1ematics，JinanUniversity，Guangzhou510632，China) A『bstract] Thelinearandnon—linearcomponentsoftrafficflowtimeseriesarenaalyzed．ARIMAmod． e1．exponential smoothingmodelandthegraymodelareusedtopredicthtelinera componentof锄 c flow timeseries．Theoptimalweightingcoefficientsofthehtreemodelpredictionsraedeterminedbyhte criterionofhteminimum squaresum ofhteforecasting，htenhteoptimalcombinationofhtethreemodels aregenerated．FinaHy，theSVM modelisappliedtohtenonlinearresidualcomponentprediction．Anex— ampleisgiventoshow htathtecomb inadonmodelcai1producemoreaccuratepredictionsoftm舔cflow htanthatofsinglemode1． [Keywords] rtafficflowforecasting； optimalweihgt； ARIMAmodel； exponentialsmoohting model； graymodel； square sum oferror； SVM model 交通流预测是使用预测模型对道路交通量数据 实时信息，通过预测模型和方法，获取实时可靠准确 进行分析研究，从而及时准确地预测未来一段时间 的预测信息，出行者提供实时有效的道路信息，实现 内的交通量状态，是制定正确的交通控制和诱导措 动态路径诱导，达到节约出行者旅行时间，缓解道路 施的重要前提，也是 目前广泛开展的智能交通系统 拥堵，减少污染，节省能源等 目的．因此，对交通量预 的基本要求及关键技术．它利用各种检测设备获得 测进行研究具有重要的理论意义和