基于时间序列相似性搜索的交通流短时预测方法.pdfVIP

22 交通信息与安全 2014年 6期 第 32卷 总 188期 基于时问序列相似性搜索的交通流短时预测方法* 杨兆升 邴其春 周熙阳 马明辉 李晓文 (1．吉林大学交通学院 长春 130025；2．吉林大学汽车仿真与控制国家重点实验室 长春 130025； 3．吉林大学吉林省道路交通重 点实验室 长春 130025) 摘 要 为了进一步提高交通流短时预测的效果，在分析现有预测模型存在问题 的基础上 ，设计了 1 种基于时间序列相似性搜索的交通流短时多步预测方法 。利用界标模型对交通流时间序列数据进行 模式表示 ，在历史数据库 中搜索与当前交通流时间序列相似度较高的历史时间序列，进而确定与预测 时刻相对应的历史数据 ，利用 回声状态 网络模型实现交通流的短时多步预测。采用某特大城市快速 路 5min采样 间隔的交通流量数据进行实验验证和对 比分析 。实验结果表明，回声状态 网络模型的 预测精度分别 比ARIMA模 型和 BP神经网络模 型提高 了 6．25 和 3．85 ，以时间序列相似性搜索 结果作为模型输入数据能够进一步提高交通流短时预测的精度 。 关键词 时间序列；相似性搜索；界标模型；回声状态网络 ；短时预测 中图分类号 ：U491 文献标志码 ：A doi：10．3963／j．issn1674—4861．2O14．06．000 A Short—term TrafficFlow PredictionM ethodBasedon Sim ilaritySearchofTimeSeries YANG Zhaosheng，，。 BING Qichun ZHOUXiyang MA Minghui LIXiaowen (1．CollegeofTrn50r以 0 ，JilinUniversity，Changchun130025，China； 2．StateKeyLaboratoryofAutomobileSimulationandControl，Changchun130025，China； 3．JilinProvinceKeyLaboratoryofRoadTraffic，Changchun130025，China) Abstract：Inordertoimprovetheeffectivenessofshort—term trafficflow prediction，inview oftheexistingforecas— tingmodels，thispaperpresentsashort—term trafficflow multi—steppredictionmethodbasedonsimilaritysearchoftime series．Firstly，thelandmarkmodelisusedtOrepresenttimeseriesoftrafficflow data．Then，theinputdataofprediction mode1aredeterminedthroughsearchingsimilartimeseries．Finally，anechostatenetworksmode1isusedfortrafficflow multi—stepprediction．Theperformanceoftheproposedmethod isevaluated withexpresswaytrafficflow datacollected from loopdetectorsinaChinesemegacity．Theexperimentalresultsdemonstratethatthepredictionaccuracyoftheecho statenetworksmodelis6．25 and3．85 higherthanARRIMA modelandBP neuralnetwork mode1，respectively． Therefore，usingtimeseriessimilaritysearchresultsasinpu