The invention discloses a method for predicting the reliability of dynamic interval short-time traffic speed, which comprises the following steps: (10) the traffic time series access: access to road section traffic target velocity time series observations; (20) stationary time series acquisition: using one order difference arithmetic, traffic velocity time series into stationary time series; (30) a first-order differential predictive value calculation: according to the traffic speed difference time series prediction model, calculate the current time interval traffic speed difference predictive value; (40) the residual standard deviation of prediction residuals: according to the comprehensive prediction of generalized autoregressive conditional heteroskedasticity the model, calculate the current time interval residual standard deviation of predictive value; (50) the prediction interval of target section traffic speed: according to traffic velocity observations, traffic speed difference prediction The prediction value of the standard deviation of the value and the residual term is used to determine the traffic speed prediction interval of the target cross section at each time interval.
【技术实现步骤摘要】
一种交通速度动态区间短时预测方法
本专利技术属于交通流短时预测
,特别是一种可靠性高的交通速度动态区间短时预测方法。
技术介绍
交通流运行速度是道路交通运营、管理与控制的重要技术指标之一。准确、可靠的交通速度短时预测已经成为路径诱导、主动式交通控制等城市智能交通系统的重要研究内容。国内外对道路断面交通速度短时预测技术开展了大量研究。基于统计模型以及人工智能等技术的预测方法不断被提出,并且预测的准确性也不断得到提高。然而,大多数研究都只针对交通速度的一阶矩水平序列值开展预测方法的建模与评估,忽视了交通流速度二阶矩的波动特性,难以有效量化交通速度预测的可靠性。尽管也有少量研究提出对交通速度的二阶矩的波动性建模,但是现有的方法多采用制定参数的模型,极大限制了对交通速度二阶矩动态结构的描述。总之,现有技术存在的问题是:交通速度短时预测的可靠性低。
技术实现思路
本专利技术的目的在于提供一种交通速度动态区间短时预测方法,可靠性高。实现本专利技术目的的技术解决方案为:一种交通速度动态区间短时预测方法,包括如下步骤:(10)交通速度时间序列获取:获取道路上目标断面交通速度时间序列观测值;(20)平稳时间序列获取:通过一阶差分运算,将交通速度时间序列转化为平稳时间序列;(30)一阶差分预测值计算:根据交通速度一阶差分时间序列预测模型,计算各当前时间间隔t内交通速度一阶差分预测值;(40)残差项标准差预测值计算:根据残差项综合广义自回归条件异方差预测模型,计算各当前时间间隔t内残差项标准差预测值;(50)目标断面交通速度预测区间确定:根据各前一时间间隔(t-1)内的交通速 ...
【技术保护点】
一种交通速度动态区间短时预测方法,其特征在于,包括如下步骤:(10)交通速度时间序列获取:获取道路上目标断面交通速度时间序列观测值;(20)平稳时间序列获取:通过一阶差分运算,将交通速度时间序列转化为平稳时间序列;(30)一阶差分预测值计算:根据交通速度一阶差分时间序列预测模型,计算各当前时间间隔t内交通速度一阶差分预测值;(40)残差项标准差预测值计算:根据残差项综合广义自回归条件异方差预测模型,计算各当前时间间隔内残差项标准差预测值;(50)目标断面交通速度预测区间确定:根据各前一时间间隔)内的交通速度观测值、各当前时间间隔内交通速度一阶差分预测值和各当前时间间隔残差项标准差预测值,确定目标断面在各时间间隔内的交通速度预测区间。
【技术特征摘要】
1.一种交通速度动态区间短时预测方法,其特征在于,包括如下步骤:(10)交通速度时间序列获取:获取道路上目标断面交通速度时间序列观测值;(20)平稳时间序列获取:通过一阶差分运算,将交通速度时间序列转化为平稳时间序列;(30)一阶差分预测值计算:根据交通速度一阶差分时间序列预测模型,计算各当前时间间隔t内交通速度一阶差分预测值;(40)残差项标准差预测值计算:根据残差项综合广义自回归条件异方差预测模型,计算各当前时间间隔内残差项标准差预测值;(50)目标断面交通速度预测区间确定:根据各前一时间间隔)内的交通速度观测值、各当前时间间隔内交通速度一阶差分预测值和各当前时间间隔残差项标准差预测值,确定目标断面在各时间间隔内的交通速度预测区间。2.根据权利要求1所述的预测方法,其特征在于,所述(30)一阶差分预测值计算步骤具体为:根据交通速度一阶差分时间序列预测模型,令m=max(p,q),获取历史时间间隔(t-1),(t-2),...,一直到(t-m)的目标断面交通速度时间序列的一阶差分值,计算当前时间间隔t内交通速度一阶差分预测值为,式中,为目标断面交通速度在当前时间间隔t内的一阶差分预测值,Δyt-i为目标断面交通速度在前一时间间隔(t-i)内的一阶差分观测值,c为常数项;p为自回归过程的滞后阶数,q为移动平均过程的滞后阶数,φi和θj为自回归移动平均ARMA(p,q)模型系数,εt为交通速度一阶差分序列在当前时间间隔t内的残差项,εt-j为交通速度一阶差分序列在前一时间间隔(t-j)内的残差项,并且假设系列{εt}为服从0均值正态分布的白噪声过程。3.根据权利要求2所述的预测方法,其特征在于,所述(40)残差项标准差预测值计算步骤具体为:根据残差项综合广义自回归条件异方差预测模型,计算时间间隔t内的残差项标准差的预测值为σ^tλ=ω+βσ^t-1λf(ϵt-1)λ+γσ^t-1...
【专利技术属性】
技术研发人员:聂庆慧,邓社军,周扬,肖枭,于世军,刘路,张鹏鹏,谈圣,黄佳宇,
申请(专利权)人:扬州大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。