高速公路交通量组合预测模型研究

作者：钱超; 许宏科; 徐娜

来源：计算机仿真, 2013, (04): 178-182.

• 组合预测模型
• 交通量预测
• 季节差分自回归滑动平均模型
• 神经网络
• 支持向量回归机 Combinational prediction model
• Traffic volume prediction
• Seasonal ARIMA model
• Neural network
• Support vector regression(SVR)

交通量具有高度复杂的非线性特征,采用单一预测模型往往难以达到理想的预测效果。为准确预测,提出一种最优线性组合预测模型并给出了以预测误差平方和最小为目标函数的权系数最优解计算方法,在采用ARIMA模型、BP神经网络和支持向量回归机的基础上,利用组合预测模型实现了高速公路月度交通量的预测。实验结果表明:与季节差分自回归滑动平均模型、BP神经网络和支持向量回归机等预测模型相比,组合预测模型各项评价指标均优于前三者,为实现交通量准确预测提供了更为科学的依据。

• 单位
  西安公路研究院; 长安大学