关于交通流量数据预测建模研究

摘要：

研究高速路交通流量预测建模问题,交通流量数据不仅具有周期性还具有波动性.由于交通流量存在随机性,传统模型只反映了交通流量一部分信息,预测准确度较低.为了提高高速路交通流量预测精度,结合交通流量数据特性,提出了一种新的混合预测方法.采用EEMD分解非周期分量,使其信息最大化,对分解出的分量进行GARCH效应检验.根据检验结果建立了混合预测模型.针对成都市某高速路的实测交通流量数据,采用混合预测模型与EEMD-ARMA模型、神经网络模型进行对比实验.实验结果表明,高速路交通流量的非周期分量存在明显的GARCH效应,相比于传统模型,混合模型的预测平均误差和均方误差小,预测精度高且稳定.

关键词：广义自回归条件异方差、交通流量、混合模型、集合经验模态分解

所属期刊栏目：33

分类号：TP391.9(计算技术、计算机技术)

资助基金：四川省交通科技项目2013c7-1

在线出版日期：2016-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：194-197,464