本文選題：ARIMA模型　切入點：Kalman濾波　出處：《Frontiers of Information Technology & Electronic Engineering》2017年02期 　論文類型：期刊論文

【摘要】：道路交通流預測不僅可以為出行者提供實時有效的信息,而且可以幫助他們選擇最佳路徑,減少出行時間,實現(xiàn)道路交通路徑誘導,緩解交通擁堵。本文提出了一種基于ARIMA模型和Kalman濾波算法的道路交通流預測方法。首先,基于道路交通歷史數(shù)據(jù)建立時間序列的ARIMA模型。其次,結(jié)合ARIMA模型和Kalman濾波法構(gòu)建道路交通預測算法,獲取Kalman濾波的測量方程和更新方程。然后,基于歷史道路交通數(shù)據(jù)進行算法的參數(shù)設定。最后,以北京的四條路段作為案例,對所提出的方法進行了分析。實驗結(jié)果表明,基于ARIMA模型和Kalman濾波的實時道路交通狀態(tài)預測方法是可行的,并且可以獲得很高的精度。
[Abstract]:The prediction of road traffic flow can not only provide real-time and effective information for travelers, but also help them to choose the best path, reduce travel time, and achieve road traffic path guidance. In this paper, a method of traffic flow prediction based on ARIMA model and Kalman filter algorithm is proposed. Firstly, a time series ARIMA model based on road traffic history data is established. Combined with ARIMA model and Kalman filter, the road traffic prediction algorithm is constructed, and the measurement equation and update equation of Kalman filter are obtained. Then, the parameters of the algorithm are set based on historical road traffic data. Finally, four sections of road in Beijing are taken as an example. The experimental results show that the real-time road traffic state prediction method based on ARIMA model and Kalman filter is feasible and has high accuracy.
【作者單位】： College
【基金】：Project supported by the National Science &Technology Pillar Program(No.2014BAG01B02)
【分類號】：U491.14;TN713

【參考文獻】

相關(guān)期刊論文 前1條

1 劉曉玲;賈鵬;鄔珊華;于濱;;基于多維時空參數(shù)的道路短期交通狀態(tài)預測[J];交通運輸系統(tǒng)工程與信息;2011年04期

【共引文獻】

相關(guān)期刊論文 前2條

1 陳小波;劉祥;韋中杰;梁軍;蔡英鳳;陳龍;;基于GA-LSSVR模型的路網(wǎng)短時交通流預測研究[J];交通運輸系統(tǒng)工程與信息;2017年01期

2 Dong-wei XU;Yong-dong WANG;Li-min JIA;Yong QIN;Hong-hui DONG;;基于ARIMA和Kalman濾波的道路交通狀態(tài)實時預測（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年02期

【二級參考文獻】

相關(guān)期刊論文 前8條

1 殷禮勝;魯照權(quán);董學平;;交通流量VNNTF神經(jīng)網(wǎng)絡模型及其預測研究[J];科技通報;2010年05期

2 董春嬌;邵春福;熊志華;李娟;;基于Elman神經(jīng)網(wǎng)絡的道路網(wǎng)短時交通流預測方法[J];交通運輸系統(tǒng)工程與信息;2010年01期

3 李婧瑜;李歧強;侯海燕;楊立才;;基于遺傳算法的小波神經(jīng)網(wǎng)絡交通流預測[J];山東大學學報(工學版);2007年02期

4 楊兆升;王媛;管青;;基于支持向量機方法的短時交通流量預測方法[J];吉林大學學報(工學版);2006年06期

5 姚智勝;邵春福;高永亮;;基于支持向量回歸機的交通狀態(tài)短時預測方法研究[J];北京交通大學學報;2006年03期

6 徐啟華;楊瑞;;支持向量機在交通流量實時預測中的應用[J];公路交通科技;2005年12期

7 況愛武,黃中祥;基于RBF神經(jīng)網(wǎng)絡的短時交通流預測[J];系統(tǒng)工程;2004年02期

8 朱中,楊兆升;實時交通流量人工神經(jīng)網(wǎng)絡預測模型[J];中國公路學報;1998年04期

【相似文獻】

相關(guān)期刊論文 前10條

1 盧建昌,張世英,牛東曉;基于ARIMA的發(fā)電量預測方法[J];華北電力大學學報;2004年03期

2 李佳萌,曾濤,王偉;ARIMA模型在天津港交通量預測中的應用[J];數(shù)理醫(yī)藥學雜志;2004年05期

3 姜慶華;趙麗萍;;基于ARIMA模型的我國電力生產(chǎn)預測研究[J];價值工程;2006年09期

4 王婷;;民航客運量的ARIMA模型與預測[J];五邑大學學報(自然科學版);2007年01期

5 蔣金良;林廣明;;基于ARIMA模型的自動站風速預測[J];控制理論與應用;2008年02期

6 惠軍;馬冬冬;;ARIMA模型在房屋售價中的預測[J];佳木斯大學學報(自然科學版);2009年01期

7 周葉;肖靈機;;基于ARIMA模型的我國航空貨運量預測分析[J];南昌航空大學學報(社會科學版);2010年03期

8 任歡;;基于ARIMA模型的河南省能源需求量預測[J];安陽師范學院學報;2010年05期

9 張士強;王雯;王健;;ARIMA模型在城市年用電量預測中的應用[J];電力需求側(cè)管理;2010年06期

10 董小剛;李純凈;;基于ARIMA模型的上證指數(shù)預測實證分析[J];長春工業(yè)大學學報(自然科學版);2012年05期

相關(guān)會議論文 前10條

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

2 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預測中的應用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

3 李君華;王志堅;張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價格預測[A];中國棉花學會2012年年會暨第八次代表大會論文匯編[C];2012年

4 陳興榮;;ARIMA模型和GM(1,1)在我國白銀消費需求預測應用中的比較研究[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 劉軍;柴洪洲;陳軻;劉先冬;;ARIMA模型預報電離層VTEC研究[A];第一屆中國衛(wèi)星導航學術(shù)年會論文集（下）[C];2010年

7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡的組合預測模型及應用研究[A];第三屆（2008）中國管理學年會——技術(shù)與創(chuàng)新管理分會場論文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國時間生物醫(yī)學學術(shù)會議論文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六屆中國控制會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 ;基于數(shù)量化方法對未來經(jīng)濟增長趨勢的預測[N];第一財經(jīng)日報;2009年

相關(guān)碩士學位論文 前10條

1 梁佳琦;ARIMA模型同MAXENT模型在自然保護區(qū)內(nèi)口蹄疫疫情風險預警中的應用研究[D];東北林業(yè)大學;2015年

2 張海東;基于論壇的熱點話題識別與趨勢預測研究[D];上海師范大學;2015年

3 雍永強;基于ARIMA和BPNN的組合預測模型在血糖預測中的應用[D];鄭州大學;2015年

4 張敏;基于ARIMA的組合模型問題研究[D];大連海事大學;2015年

5 桂林;退耕還林與生態(tài)環(huán)境改善的關(guān)系研究與分析[D];西安建筑科技大學;2015年

6 錢麗萍;基于ARIMA模型的兒童醫(yī)院門診量預測研究[D];蘇州大學;2015年

7 于婷;基于ARIMA模型的股價的研究[D];大連海事大學;2015年

8 程浩;武漢第三產(chǎn)業(yè)總量時間序列研究[D];華中師范大學;2015年

9 陳天舒;基于ARIMA與GPR組合模型的人民幣匯率預測[D];山東大學;2015年

10 袁磊;基于ARIMA-LSSVM混合模型的股指預測研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1587000