一种交通速度动态区间短时预测方法技术

本发明专利技术公开一种高可靠性的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：根据交通速度观测值、交通速度一阶差分预测值和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。

A dynamic interval short-term prediction method for traffic speed

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)内的交通速度观测值、各当前时间间隔t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t内的交通速度预测区间。本专利技术与现有技术相比，其显著优点为：可靠性高。本专利技术在道路目标断面交通速度一阶矩水平序列短时预测模型构建的基础上，进一步提取和量化了交通速度二阶矩的波动特性，即对残差序列的二阶矩构建了条件异方差预测模型，通过对二阶矩动态标准差的预测，实现对交通速度动态区间的短时预测，进一步提升了目标断面交通速度短时预测的可靠性。下面结合附图和具体实施方式对本专利技术作进一步的详细描述。附图说明图1为本专利技术交通速度动态区间短时预测方法的主流程图。图2为实施例1012016号断面基于标准GARCH(1，1)、GJR-GARCH(1，1)、fGARCH(1，1)模型的交通速度一阶差分序列残差项标准差预测结果对比图。图3为实施例1004030号断面基于标准GARCH(1，1)、GJR-GARCH(1，1)、fGARCH(1，1)模型的交通速度一阶差分序列残差项标准差预测结果对比图。图4为实施例1001010号断面基于标准GARCH(1，1)、GJR-GARCH(1，1)、fGARCH(1，1)模型的交通速度一阶差分序列残差项标准差预测结果对比图。图5为实施例1003006号断面基于标准GARCH(1，1)、GJR-GARCH(1，1)、fGARCH(1，1)模型的交通速度一阶差分序列残差项标准差预测结果对比图。具体实施方式如图1所示，本专利技术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；目标断面采集的交通速度数据是以5分钟为等时间间隔的连续时间序列数据，并且原始时间序列不平稳。(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；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。ARMA(p，q)模型的自回归阶数p和移动平均阶数q通过贝叶斯信息准则确定；常数项c以及模型系数φi、θj采用最小二乘法估计获得。(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；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即式中，f(εt-1)＝|εt-1-b|-c(εt-1-b)，所述残差项综合广义自回归条件异方差预测模型为,根据残差项序列{εt}所得，具有一阶自回归项和一阶动平均项的综合广义自回归条件异方差fGARCH(1，1)模型，其中，εt为当前时间间隔t内交通速度一阶差分时间序列的残差值，εt-1为前一时间间隔(t-1)内交通速度一阶差分时间序列的残差值，为当前时间间隔t内残差项标准差的预测值，为前一时间间隔(t-1)内残差项标准差的预测值,残差项序列{εt}为服从均值为0、标准差为σt的正态分布；zt为服从均值为0、方差为1的独立标准正态分布的白噪声过程；ω、β、γ为回归参数；λ为Box-Cox转移系数；b为偏移因子，用于量化较小的交通速度波动；c为旋转因子，用于量化较大的交通速度波动；ω、β、γ、λ、b、c均为fGARCH(1，1)模型的待估参数。fGARCH(1，1)模型的待估参数ω，β，γ，λ，b，c采用极大似然法估计获得。(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)内的交通速度观测值、各当前时间间隔t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t内的交通速度预测区间。所述(50)目标断面交通速度预测区间确定步骤具体为：前时间间隔t内交通速度的区间预测值为其中，当前时间间隔t内的交通速度预测上限值为当前时间间隔t内的交通速度预测下限值为式中，yt-1为前一时间间隔(t-1)内的交通速度观测值，为当前时间间隔t内交通速度一阶差分预测值，当前时间间隔t内残差项标准差预测值，zα/2为标准正态分布的上α分位点。下面以具体的实施例详细说明本专利技术的使用过程。本实施例中，采用的数据为实际采集的昆山市中心城区主干道和次干道上各2个断面的交通速度时间序列。其中主干道检测断面编号分别为1012016(柏庐路)、1004030(前进路)，次干道检测断面编号分别为1001010(萧林路)、1003006(同丰路)。原始数据的采集时间范围为2014年7月21日至2014年7月22日，数据的采集时间间隔为5分钟。所采集的数据中，2014年7月21日的数据用于模型构建和参数估计，2014年7月22日的数据用于预测性能评估。本实施例将目标断面的交本文档来自技高网...

【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