改进贝叶斯动态线性模型在车流量预测中的应用.PDFVIP

第26卷 第19期 电子设计工程 2018年10月 Vol.26 No.19 ElectronicDesignEngineering Oct.2018 改进贝叶斯动态线性模型在车流量预测中的应用 1，3，4 1，2 1，2 周燎 ，张武雄 ，杨秀梅 （1.中国科学院上海微系统与信息技术研究所，上海200050；2.上海无线通信研究中心上海201210； 3.上海科技大学信息科学与技术学院，上海201210；4.中国科学院大学北京 101407） 摘要：贝叶斯动态线性模型（DLM）是一种状态空间模型，在时间序列分析和建模中有大量应用。 传统DLM模型的参数确定是由人工分析时间序列的平稳性和季节、趋势、回归特征得到模型参数 的，比较依赖专家经验。本文提出用期望最大化（EM）算法从交通流数据中学习出DLM的关键参 数，然后用学习出的模型对下一时刻的车流量进行预测。实验表明该模型和方法应用在车流量的 预测中取得了较好的效果。相对于自回归求和移动平均（ARIMA）模型和传统季节-趋势-回归组 合DLM，所提方法在平均绝对误差和平均相对百分比误差两个指标上均有较大提高。 关键词：动态线性模型；EM算法；交通流预测 中图分类号：TN0 文献标识码：A 文章编号：1674-6236（2018）19-0001-05 ApplicationofmodifiedBayesiandynamiclinearmodelontrafficflowprediction 1，3，4 1，2 1，2 ZHOULiao ，ZHANGWu⁃xiong ，YANGXiu⁃mei （1.ShanghaiInstituteofMicrosystemandInformationTechnology，ChineseAcademyofScience， Shanghai200050，China；2.ShanghaiResearchCenterforWirelessCommunications，Shanghai 201210，China；3.SchoolofInformationScienceandTechnology，ShanghaiTechUniversity， Shanghai201210，China ；4.UniversityofChineseAcademyofSciences，Beijing 101407，China） Abstract: Bayesian dynamic linear model（DLM）is a kind of state space model which has a wide applicationontimeseriesanalysisandmodeling.Traditionally，theparametersofDLMisdeterminedby manuallyanalyzingthestabilityandseasonal，trendandregressionfeaturesofthetimeseries，whichis highlydependentonexpertexperience.Inthispaper，anexpectation-maximization（EM）algorithmis proposedtolearnthekeyparametersofDLMfromtrafficflowdata，thereafterthemodelcanbeusedto forecastthetrafficflowatnextmoment.Experimentsshowthatthemodelandlearningme