資源描述：
《城市交通流量預測模型研究與仿真.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、應用與試驗2016年第2期(第29卷,總第142期)·機械研究與應用·doi:10.16576/j.cnki.1007-4414.2016.02.038?城市交通流量預測模型研究與仿真韋騰舟(蘭州交通大學機電工程學院,甘肅蘭州730070)摘要:城市交通流量的預測在現(xiàn)代交通建設中占有重要地位。以短時性,實時性,準確性為目的,對城市交通流量的預測進行分析研究。針對城市交通流隨機,復雜,不規(guī)律的特點,建立了時間序列自回歸預測模型,并對模型的可行性,定階判斷,及求解方法進行了分析說明。最后代入預測模型參數(shù)進行仿真,仿真對象定為繁華街道路
2、口。仿真結(jié)果表明模型能適應待解決的實際問題,交通流量預測的短時性和準確性被較好實現(xiàn),驗證了模型的正確性和可行性。關鍵詞:交通流量;預測;時間序列自回歸模型;準確性;短時性中圖分類號:U491.113文獻標志碼:A文章編號:1007-4414(2016)02-0112-03ResearchandSimulationofUrbanTrafficFlowsForecastingModelWEITeng-zhou(SchoolofMechanicalandElectronicLanzhouJiaotongUniversity,Lanzho
3、uGansu730070,China)Abstract:Theforecastingofurbantrafficflowsplaysanimportantroleinmoderntransportationconstruction.Inthispaper,urbantrafficflowsareanalyzedandstudiedtoforecastinreal-timeandshorttermwithhighaccuracy.Consideringcharacter-isticsofurbantrafficflowsinclud
4、ingbeingrandom,complexandirregular,thetimeseriesauto-regressionmodelisbuilt.Thepracticability,ordernumberandsolvingmethodofthemodelareexplained.Finally,theforecastingparametersareusedtosimulatethetrafficflowofanurbanroadindowntownarea.Simulatingresultsshowthattheforec
5、astingmodelcansolvethepracticalproblemwellandtrafficflowscanbeforecastedinshorttermaccurately,whichprovethefeasibilityandcorrectnessofthetimeseriesauto-regressionmodel.Keywords:trafficflow;forecasting;auto-regressionmodel;accuracy;short-term0引言1時間序列自回歸模型的建立城市道路的交通流量具有
6、隨機性,時變性和復雜設x為目標預測量,x,x,x…,x,x為前tt123t-2t-1[1]性等特點。城市交通流量預測的實時和準確是實次的觀測值。其中,第i次和第i+1次的觀測時間間現(xiàn)智能交通誘導系統(tǒng)和控制系統(tǒng)的重要保證。如何隔相等為T(i=1,2,3,…)。則有:高效率地利用歷史數(shù)據(jù)和實時交通信息去滾動地預x=φx+φx+…+φx+a(1)t1t-12t-2nt-nt測未來較短時間內(nèi)的交通流量成為了城市智能交通式中:φ(i=1,2,3,…)為模型參數(shù),a為均值為零的it[2]控制的主要課題之一。白噪聲序列,n為自回歸預測模型的階數(shù)
7、。與長時間預測相比,短時交通流量預測所受到的為了求得模型的自相關函數(shù),可將式(1)乘以外界干擾因素更多,規(guī)律可捕捉性更小,且具有很強x,得到:t-k的不確定性?？偨Y(jié)已有的交通流量預測算法,根據(jù)原xx=φxx+φxx+…+φxx+xat-kt1t-kt-12t-kt-2nt-kt-nt-kt理的不同,大致可以分為兩類:一類是基于知識的智(2)[3]能模型的預測方法,如神經(jīng)網(wǎng)絡預測法和支持向上式記為式(2),將式(2)兩邊同時取數(shù)學期望量機的預測法等;第二類是基于確定數(shù)學模型的方值后得到:法,如應用小波分析的方法和卡爾曼濾波法等。第一
8、E=φe+φe+…+φe,k>0(3)k1k-12k-2nk-n類模型考慮的因素較全面,但模型的步驟較多,算法在式(3)中的期望值E[xa]=0,k>0。t-kt復雜,控制系統(tǒng)本身的穩(wěn)定性較差,而時間序列分將式(3)除以常數(shù)e可得到自相關系數(shù)的求解
