資源描述：
《基于模糊時(shí)間序列的車輛檢測器數(shù)據(jù)修補(bǔ)方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于模糊時(shí)間序列的車輛檢測器數(shù)據(jù)修補(bǔ)方法研究 摘要：車輛檢測器是交通管理中重要的數(shù)據(jù)采集工具，但在實(shí)際運(yùn)用過程中，數(shù)據(jù)丟失問題往往影響其作用的發(fā)揮。本研究旨在建立一個可實(shí)用于交通控制中心的車檢器缺失數(shù)據(jù)修補(bǔ)模型，嘗試以不同模型來預(yù)測并修補(bǔ)車輛檢測器缺失的數(shù)據(jù)，并對比各種模型的修補(bǔ)效果。文中提出了以ARIMA結(jié)合模糊時(shí)間序列的交通流量預(yù)測方法以及使用ARIMA進(jìn)行短時(shí)間實(shí)時(shí)修補(bǔ)的方法，并獲得了不錯的效果。 關(guān)鍵詞：交通流量預(yù)測；ARIMA；模糊時(shí)間序列；車輛檢測器 中圖分類號：TP274文獻(xiàn)標(biāo)識碼：A文
2、章編號：2095-1302（2016）06-00-04 0引言 車輛檢測器是交通管理者掌握道路交通運(yùn)行狀況的重要工具。但是，在實(shí)際運(yùn)用過程中，車輛檢測器常因環(huán)境、維護(hù)、性能等原因發(fā)生數(shù)據(jù)丟失的現(xiàn)象。車輛檢測器數(shù)據(jù)的丟失使得基于其所產(chǎn)生的控制和決策方案產(chǎn)生偏差甚至失效，無法彰顯投資車輛檢測器的應(yīng)用價(jià)值。車檢器數(shù)據(jù)修補(bǔ)算法是輔助提高車檢器檢測穩(wěn)定性與準(zhǔn)確性的途徑之一。 本研究利用時(shí)間序列以及模糊時(shí)間序列的相關(guān)理論，根據(jù)交通流運(yùn)行特征在工作日和假日的差異將車檢器數(shù)據(jù)分成工作日和假日兩種模式進(jìn)行預(yù)測分析，使其
3、能夠?qū)Χ虝r(shí)間內(nèi)缺失的數(shù)據(jù)進(jìn)行及時(shí)修補(bǔ)。并對比時(shí)間序列以及模糊時(shí)間序列兩種方式進(jìn)行數(shù)據(jù)修復(fù)的效果差異。7 1模型建立 數(shù)據(jù)為西安繞城高速單臺車檢器2014年全年數(shù)據(jù)，數(shù)據(jù)接收頻率為每5分鐘一次，理論上一天共288條數(shù)據(jù)記錄?！ ?.1數(shù)據(jù)預(yù)處理 數(shù)據(jù)預(yù)處理分為如下幾項(xiàng)： ?。?）首先將數(shù)據(jù)分為工作日和假日兩種模式，再分別以ARIMA、混合模式以及傳統(tǒng)平均法進(jìn)行修補(bǔ)效率的比較?！ 。?）因車檢器數(shù)據(jù)常發(fā)生缺漏和異常值，本研究采用6sigma理論對數(shù)據(jù)進(jìn)行離群值判定，即先計(jì)算同一模式（工作日、假日模式）下同
4、一時(shí)刻流量均值，將平均值正負(fù)6倍標(biāo)準(zhǔn)差范圍外的流量數(shù)據(jù)判為異常值?！ 。?）本研究將進(jìn)行ARIMA即時(shí)動態(tài)修補(bǔ)，以t-1時(shí)數(shù)據(jù)來預(yù)測t時(shí)的流量，持續(xù)驗(yàn)證峰值1小時(shí)內(nèi)12條記錄并計(jì)算絕對平均誤差（MAPE）。 ?。?）本研究所使用的ARIMA模型由SPSS18.0建立，模糊時(shí)間序列由Matlab編寫而成?！ 。?）模型以2/3的真實(shí)數(shù)據(jù)來建立（采用車檢器2014年1～9月數(shù)據(jù)，剩下10～12月數(shù)據(jù)用來驗(yàn)證模式的準(zhǔn)確性）?！ ?.2ARIMA的建立 本研究使用SPSS18.0的ARIMA預(yù)測模型，將西安繞城高
5、速車檢器2014年1月1日至8月31日的流量數(shù)據(jù)切分為工作日與假日兩種模式，具體研究步驟如下： ?。?）利用自相關(guān)圖（ACF）來判斷是否為平穩(wěn)數(shù)列?！ 。?）圖71所示為工作日模式下交通流量的自相關(guān)圖，由圖可見，滯后階數(shù)為5時(shí)，才進(jìn)入置信界內(nèi)，表示流量數(shù)據(jù)并非為一個平穩(wěn)的時(shí)間序列，需要對數(shù)據(jù)進(jìn)行差分處理?！ D2所示為假日模式下交通流量的自相關(guān)圖，在其滯后階數(shù)為7時(shí)才進(jìn)入了置信界限內(nèi)，數(shù)據(jù)亦需要差分處理。具體操作如下： （1）使用SPSS18.0中的ExpertModeler選出最佳ARIMA（p，d，q
6、）模型，工作日模式下的最佳ARIMA（p，d，q）模型為ARIMA（0，1，1），假日模式下的最佳模型是ARIMA（1，1，1）?！ 。?）檢查模型的R2與MAPE值是否能夠充分解釋變異數(shù)，BIC值是否最低并且殘差是否符合白噪聲的假設(shè)?！ ∫勒战y(tǒng)計(jì)學(xué)的衡量標(biāo)準(zhǔn)，MAPE值小于20%時(shí)為優(yōu)良的修補(bǔ)模型，而模型的BIC值則越小越好；R2表示模型的解釋程度，R2值越高則解釋變數(shù)的能力越高，表1所列為工作日模式的挑選準(zhǔn)則，可以看出由ExpertModeler所得的模型四項(xiàng)準(zhǔn)則皆為最優(yōu)，比較的模型為符合殘差接收白噪聲
7、假設(shè)的模型，其MAPE值為16.91%（越低越好），是三個模型里最好的，R2=0.938是最高的，代表可解釋變數(shù)的程度最高，BIC值越小表示模型為最佳估計(jì)模型，其BIC值=4.92為三個模型中最低。而表2所示為假日模式的挑選準(zhǔn)則，同樣是由ExpertModeler挑選出最適模型為最優(yōu)模型，ARIMA（1，1，1）各個適合度指標(biāo)皆為最適，也都有符合殘差接收白噪聲，由此可知，可直接由ExpertModeler選取ARIMA的最適模型，不需要采用傳統(tǒng)的方式將所有模型進(jìn)行測試。7 將建立好的工作日與假日流量ARI
8、MA模型，選擇輸出一個完整日的流量數(shù)據(jù)來進(jìn)行實(shí)際驗(yàn)證。工作日模式下ARIMA預(yù)測結(jié)果如圖3所示。假日模式下ARIMA預(yù)測結(jié)果如圖4所示?！ ?.3結(jié)合模糊時(shí)間序列的ARIMA模型 首先建立一個將max-min簡化的模糊時(shí)間序列模型，以車檢器數(shù)據(jù)中9月1日17：00至19：00每5min流量為例，預(yù)測一個小時(shí)的流量數(shù)據(jù)。示例流量數(shù)據(jù)表如表3所列?！ 。?）將時(shí)間分為24個子集合（A1、A2、…、A24）并計(jì)算各個
