基于SARIMA和SVM模型的短時(shí)交通流預(yù)測.pdf

1、智能運(yùn)輸系統(tǒng)以“緩解擁擠、保障安全、提高效率、減少污染、節(jié)約能源”為目標(biāo)，是未來交通發(fā)展的主導(dǎo)方向，而短時(shí)交通流預(yù)測則是實(shí)現(xiàn)交通系統(tǒng)智能化運(yùn)行的關(guān)鍵技術(shù)之一。以往的短時(shí)交通流預(yù)測應(yīng)用往往受制于大規(guī)模的交通流數(shù)據(jù)采集和所得數(shù)據(jù)的快速建模計(jì)算，近些年來隨著科技的迅猛發(fā)展，交通信息采集及傳輸設(shè)備的數(shù)量越來越大，且獲取途徑越來越多，都為獲取充足的實(shí)時(shí)數(shù)據(jù)奠定了物質(zhì)基礎(chǔ)，為從事基于數(shù)據(jù)分析的交通狀態(tài)信息預(yù)測研究提供了數(shù)據(jù)保障；此外，計(jì)算機(jī)的運(yùn)算速

2、度越來越快，處理能力也越來越強(qiáng)，為各種復(fù)雜預(yù)測模型的快速計(jì)算解除了后顧之憂，這些都使得短時(shí)交通流狀態(tài)數(shù)據(jù)的分析和預(yù)測逐步成為現(xiàn)實(shí)。
　　 全文以背景介紹、國內(nèi)外研究現(xiàn)狀綜述、短時(shí)交通流特性分析、數(shù)據(jù)預(yù)處理、建模理論及方法、歸納總結(jié)為主線，比較系統(tǒng)地研究了路段短時(shí)交通流預(yù)測問題。首先對(duì)國內(nèi)外研究現(xiàn)狀進(jìn)行了綜述，將預(yù)測方法分成四大類，并對(duì)ARIMA和SVM模型用于預(yù)測的不足做了評(píng)述。然后在對(duì)短時(shí)交通流數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上，總結(jié)歸納了

3、短時(shí)交通流的五大顯著特征；并根據(jù)數(shù)據(jù)的實(shí)際情況選用橫向處理的方式，分別優(yōu)選兩種統(tǒng)計(jì)判斷準(zhǔn)則進(jìn)行可疑值識(shí)別、異常值確認(rèn)，以解決原始測量數(shù)據(jù)質(zhì)量問題。緊接著根據(jù)短時(shí)交通流具有的部分特性如周期性、隨機(jī)性，選用單一線性SARIMA模型進(jìn)行建模預(yù)測，全面闡述建模過程中的平穩(wěn)性檢驗(yàn)、白噪聲檢驗(yàn)、差分平穩(wěn)化、模型識(shí)別、參數(shù)估計(jì)、診斷檢驗(yàn)、模型優(yōu)化等步驟，并使用SAS軟件編程實(shí)現(xiàn)了預(yù)測。后來再根據(jù)短時(shí)交通流具有的部分特性如非線性、復(fù)雜性，特別是非線性比

4、較明顯的特征，選用單一非線性ε-SVR模型進(jìn)行建模預(yù)測。內(nèi)容包括介紹了支持向量機(jī)的理論基礎(chǔ)及來源，比較了其輸入特征提取的不同方法后提出按照SRAIMA的AR項(xiàng)選擇SVR輸入的新方法，運(yùn)用粒子群優(yōu)化算法求得模型的最優(yōu)配對(duì)參數(shù)，并使用LIBSVM軟件編程實(shí)現(xiàn)了預(yù)測。最后又根據(jù)短時(shí)交通流自身具備的全部特性，將SARIMA和SVR模型進(jìn)行混合運(yùn)算。一方面，借鑒預(yù)測控制理論中的誤差預(yù)測反饋校正的思想，運(yùn)用SARIMA建立預(yù)測主模型，運(yùn)用SVR建立