原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
城市道路短期交通流的季节ARIMA模型预测研究
孙湘海1 刘潭秋2,3
1.长沙理工大学交通运输学院 长沙，4100762.中南大学数学博士后流动站 长沙，410075
3.长沙理工大学经济学院 长沙，410076
[摘要] 季节平滑过渡求和自回归(ARIMA)模型是短期交通流预测的一种重要时间序列模型。本文以城市道
路短期交通特征为基础，提出在季节ARIMA模型预测中还应该考虑交通流日周期性特征，以提高模型的预测能
力。研究结果显示，虽然只考虑城市道路短期交通流数据中周周期性的季节ARIMA模型预测能力比只考虑日
周期性特征的季节ARIMA模型好，但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的季节
ARIMA模型表现差。
[关键词] 短期交通流预测；季节平滑过渡求和自回归模型；日周期性；周周期性
道北向行驶
剔除周末）
芝通流的显
！测试表逆
曲1‘三k褂
父遇况坝狃
：内的l5参
·交通流数
O，1)4暑
。96模I
期增歹
了其fl
Studyonurbanroadshort-termtrafficflowforecasting
withseasonalARIMAtimeseriesmodel
SunXianghai1 LiuTanqiu2
1.SchoolofTrafficandTransportation,ChangshaUniversityofScienceTechnology,Changsha410076,China;
2.Post-DoctorWorkStationofMathematics,CentralSouthUniversity,Changsha410075,China
Abstract TheseasonaltimeseriesARIMAmodelisakeyoneintermsofforecastingshort-termtrafficflow.Thispapersupposes
thatdailypatternshouldbeconsideredduringforecastingwithSARIMAmodelsbasedonthecharacteristicofurbanroadshort-term
trafficflow.ResultsshowthattheforecastingperformanceoftheSARIMAmodelonlyconsideringweeklypatternisbetterthanthat
oftheSARIMAmodelonlyconsideringdailypattern,butworsethanthatoftheseasonalARIMAmodelconsideringbothweeklypat
ternanddailypattern.
KeyWords short-termtrafficflowforecasting;theseasonalARIMAmodel;dailypattern;weeklypattern
文档评论（0）