首页|基于季节性ARIMA模型的短时交通流预测方法研究

基于季节性ARIMA模型的短时交通流预测方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采样间隔;采用AIC准则对参数寻优定阶,ADF检验和差分分析选择最优的差分阶层;为确保模型的可靠性,使用Ljung-Box Q检验进行白噪声检验.结果表明,时间间隔为15 min的车流量统计模型SARIMA(1,1,2)×(2,0,0)4在预测精度和稳定性方面均优于其他时间间隔和传统的ARIMA模型.同时,该方法也具有一定的通用性,可以应用于其他领域的短时流量预测.

俞乐澜、邵梓轩、徐程、李涛

展开 >

浙江警察学院交通管理工程系,浙江 杭州 310053

浙江警察学院计算机与信息安全系,浙江 杭州 310053

杭州市公安局交通警察支队景区大队,浙江 杭州 310000

短时交通流预测 季节性ARIMA模型 ADF-1检验 Ljung-Box Q检验

国家级大学生创新创业项目浙江省基础公益计划项目

202211483022xLGF21E080002

2024

交通世界
交通运输部科学研究院

交通世界

影响因子：0.478
ISSN：1006-8872
年,卷(期)：2024.(25)
  • 2