科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着出行者对交通信息的预期依赖的增加,构建和发展更为精准的交通流预测模型显得更加具有实际意义。ARIMA模型作为常见的时间序列处理工具被广泛应用于各个领域。然而,ARIMA预测模型构建是建立在平稳时间序列基础上的,但是其实建立在一元变量的基础上,并且在具体的模型构建过程中一元变量还通常会因差分而造成有用数据信息的丢失,影响最终预测结果。为此,本文考虑通过引入新的参数来弥补传统模型因差分造成信息丢失,构建基于交通流短期预测的ARIMAX模型。利用构建的ARIMAX模型对5天的交通流量进行预测,仿真显示模型的结果误差较小,说明该模型具有一定的实用价值。
-
单位上海电科智能系统股份有限公司; 上海理工大学
