基于向量自回归模型的城市快速路交通状态短时预测研究

基于向量自回归模型的城市快速路交通状态短时预测研究

论文摘要

本研究考虑时空关联性对城市快速路交通状态进行了短时预测研究。首先,基于快速路上下游检测器数据分析交通流量和速度的时变特性,采用有序样本最优分割算法将一天划分为具有相对稳定交通状态的不同时段。然后,构建一种考虑上下游路段影响的空间向量自回归(Vector Auto Regression Model,VAR)模型,预测不同时段目标地点的交通流量和速度。研究结果显示,下游的交通状态对上游的影响不可忽视,尤其是在高峰时段。对于平峰时段,目标地点的交通状态很大程度上取决于上游路段,而受下游路段的影响较小。在此情况下,仅利用上游路段的交通状态来建模,便能达到足够的预测精度。另外,通过模型对比发现,相较于ARIMA预测模型和历史均值预测模型,本研究提出的VAR模型能够综合考虑交通状态的时空动态特征准确预测城市快速路交通状态。

论文目录

  • 1 方法论
  •   1.1 有序样本最优分割算法
  •   1.2 向量自回归模型
  • 2 案例分析
  •   2.1 研究地点和数据集
  •   2.2 交通流空间变化特征
  •   2.3 研究时段分割
  •   2.4 建立VAR模型
  • 3 结果分析
  •   3.1 全天时段不同输入变量下的VAR模型预测结果及分析
  •   3.2 高峰时段不同输入变量下的VAR模型预测结果及分析
  •   3.3 平峰时段不同输入变量下的VAR模型预测结果及分析
  •   3.4 不同时段不同检测器距离下的VAR模型预测结果
  •   3.5 VAR模型与其他预测模型及方法对比
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 刘欢,邵社刚,王赵明

    关键词: 城市快速路,上下游影响,交通状态预测,时段划分,向量自回归

    来源: 公路交通科技(应用技术版) 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 交通运输部公路科学研究所

    基金: 中央基本科研业务费支持项目(2016-9029)

    分类号: U491

    页码: 314-319

    总页数: 6

    文件大小: 1122K

    下载量: 207

    相关论文文献

    • [1].基于多源轨迹数据的城市交通状态精细划分与识别[J]. 交通运输系统工程与信息 2020(01)
    • [2].基于上海市道路交通状态指数的交通拥堵简析[J]. 交通与运输(学术版) 2017(02)
    • [3].上海市杨浦区交通状态指数研究和应用[J]. 上海公路 2018(S1)
    • [4].基于改进模糊聚类算法的城市快速路交通状态分类[J]. 广西大学学报(自然科学版) 2017(05)
    • [5].基于大数据下的交通状态效益分析[J]. 山东交通科技 2016(02)
    • [6].沪闵南柘路修筑记[J]. 都会遗踪 2016(03)
    • [7].一种高速公路典型路段的交通状态识别方法研究[J]. 公路 2017(03)
    • [8].高速公路交通状态判别模型研究[J]. 交通运输工程与信息学报 2015(02)
    • [9].基于道路结构特征识别的城市交通状态空间自相关分析[J]. 地球信息科学学报 2012(06)
    • [10].基于模糊聚类和判别分析的交通状态提取算法[J]. 交通信息与安全 2010(02)
    • [11].高等级公路路段交通状态融合识别模型[J]. 重庆交通大学学报(自然科学版) 2010(05)
    • [12].基于数据挖掘算法的交通状态辨识方法研究[J]. 电脑知识与技术 2009(03)
    • [13].基于拓扑与形态特征的城市道路交通状态空间自相关分析[J]. 地球信息科学学报 2014(03)
    • [14].城市环路交通状态自适应判别方法[J]. 福州大学学报(自然科学版) 2013(01)
    • [15].基于占有率的信号相位交通状态实时判别模型[J]. 指挥控制与仿真 2013(01)
    • [16].基于云模型的城市快速路交通状态评价方法研究[J]. 公路工程 2013(03)
    • [17].基于时空图的交通状态转变时刻的判别方法研究[J]. 交通信息与安全 2012(01)
    • [18].基于二流理论的路网宏观交通状态判断模型[J]. 东南大学学报(自然科学版) 2011(05)
    • [19].城市交通状态仿真系统设计[J]. 计算机测量与控制 2010(08)
    • [20].动态聚类的城市道路交通状态判别分析[J]. 道路交通与安全 2010(05)
    • [21].基于在线地图交通状态的关键道路动态识别方法[J]. 交通运输系统工程与信息 2019(05)
    • [22].《城市道路交通状态指数研究》[J]. 交通与运输 2018(02)
    • [23].基于正交试验的过饱和交通状态关键因素辨识[J]. 物流科技 2016(01)
    • [24].基于层次分析的交通状态模糊综合评价方法[J]. 广西师范大学学报(自然科学版) 2015(02)
    • [25].基于隐马尔科夫模型的片区交通拥堵形态预测[J]. 数学的实践与认识 2020(21)
    • [26].基于交通状态规则的大型活动专用行车线路规划方法[J]. 昆明理工大学学报(自然科学版) 2014(04)
    • [27].一种基于视频序列的城市快速路交通状态分类方法[J]. 交通信息与安全 2013(04)
    • [28].一种基于路网分配系数矩阵的网络交通状态建模方法[J]. 清华大学学报(自然科学版) 2011(01)
    • [29].基于车辆构成和特征提取的交通状态预估模型[J]. 测控技术 2019(05)
    • [30].基于时空自相关的道路交通状态聚类方法[J]. 交通运输系统工程与信息 2016(02)

    标签:;  ;  ;  ;  ;  

    基于向量自回归模型的城市快速路交通状态短时预测研究
    下载Doc文档

    猜你喜欢