基于OLAM的高速公路交通量多维预测研究

摘要：

OLAM是联机分析处理与数据挖掘的有机结合,本文以高速公路收费数据为基础,提出一种基于OLAM实现高速公路交通量多维预测的方法.该方法构建了多维数据雪花模型,建立起收费数据的数据仓库并得到交通量多维统计结果；在构建季节ARIMA预测模型过程中,检测出因节假日、恶劣天气导致的交通量异常值并对模型进行修正；最后利用修正后的模型实现了交通量的预测.与一般季节ARIMA模型相比,修正后模型的白噪声方差和AIC值显著降低,数据拟合程度明显提高.实验结果表明,该方法具有较高的预测精度,其中MAE和MAPE分别为50.43和1.59％,能够满足高速公路管理部门利用收费数据分析、预测交通量时空变化趋势的要求,从而为制定各项政策提供理论依据和决策参考.

关键词：公路运输、多维预测、OLAM、收费数据、交通量、季节ARIMA模型、数据挖掘

所属期刊栏目：13

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目60804049;教育部创新团队发展计划资助项目IRT1050;中央高校基本科研业务费专项资金资助项目CHD2012JC056

在线出版日期：2013-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：48-56