基于ARMA和卡爾曼濾波的短時交通預測

楊高飛，徐 睿，秦 鳴，鄭凱俐，張 兵(.華東交通大學 土木建筑學院，江西 南昌 33003； .重慶交通大學 交通運輸學院，重慶 400074)

基于ARMA和卡爾曼濾波的短時交通預測

楊高飛1，徐 睿1，秦 鳴1，鄭凱俐2，張 兵1
(1.華東交通大學 土木建筑學院，江西 南昌 330013； 2.重慶交通大學 交通運輸學院，重慶 400074)

交通預測是智能交通運輸系統研究中的一個重要組成部分.為了有效地獲取短時交通流量預測數據,保障交叉口暢通，依據道路情況的不確定性以及交通流的非線性變化,應用ARMA模型及卡爾曼濾波模型通過預測結果誤差大小來組合預測路段短時交通流量.實例表明，組合模型預測結果達到較高的預測精度,預測誤差降低到了5.79%,并且比單一模型預測精度要高.通過該組合模型可以更準確地預測短時交通流量,同時也可以為交叉口信號配時提供必要的理論依據和技術指導,對減小交通延誤,提高道路服務水平有一定的應用價值.

智能交通；短時交通預測；ARMA；卡爾曼濾波；預測誤差

0 引言

道路交通流量分析在智能交通高速發展的今天顯得尤為重要.短時交通流量預測[1]是交通流分析中的重要組成部分，對減小交通延誤，提高道路服務水平有著非常重要的現實意義.短時交通流研究一直是圍繞如何提高預測精度來開展[2].短時交通流預測的方法主要有非參數回歸法[3]、灰色理論[4]、神經網絡[5]、時間序列[6]、小波算法[7]、貝葉斯網絡模型[8]、卡爾曼濾波[9]，但是沒有一種絕對好的模型，而且單一模型預測的缺點也十分明顯.葛志鵬等[2]應用不同固定權重組合時間序列模型和GSVMR模型，通過對比選出比較好的權重方案；……