發(fā)布時(shí)間：2018-03-09 04:27

  本文選題：ARIMA模型　切入點(diǎn)：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(yù)測(cè)不僅可以為出行者提供實(shí)時(shí)有效的信息,而且可以幫助他們選擇最佳路徑,減少出行時(shí)間,實(shí)現(xiàn)道路交通路徑誘導(dǎo),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(yù)測(cè)方法。首先,基于道路交通歷史數(shù)據(jù)建立時(shí)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(yù)測(cè)算法,獲取Kalman濾波的測(cè)量方程和更新方程。然后,基于歷史道路交通數(shù)據(jù)進(jìn)行算法的參數(shù)設(shè)定。最后,以北京的四條路段作為案例,對(duì)所提出的方法進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明,基于ARIMA模型和Kalman濾波的實(shí)時(shí)道路交通狀態(tài)預(yù)測(cè)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(hào)】：U491.14;TN713

【參考文獻(xiàn)】

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(shí)空參數(shù)的道路短期交通狀態(tài)預(yù)測(cè)[J];交通運(yùn)輸系統(tǒng)工程與信息;2011年04期

【共引文獻(xiàn)】

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(shí)交通流預(yù)測(cè)研究[J];交通運(yùn)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(shí)時(shí)預(yù)測(cè)（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年02期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 殷禮勝;魯照權(quán);董學(xué)平;;交通流量VNNTF神經(jīng)網(wǎng)絡(luò)模型及其預(yù)測(cè)研究[J];科技通報(bào);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(luò)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年01期

3 李婧瑜;李歧強(qiáng);侯海燕;楊立才;;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2007年02期

4 楊兆升;王媛;管青;;基于支持向量機(jī)方法的短時(shí)交通流量預(yù)測(cè)方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

5 姚智勝;邵春福;高永亮;;基于支持向量回歸機(jī)的交通狀態(tài)短時(shí)預(yù)測(cè)方法研究[J];北京交通大學(xué)學(xué)報(bào);2006年03期

6 徐啟華;楊瑞;;支持向量機(jī)在交通流量實(shí)時(shí)預(yù)測(cè)中的應(yīng)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(luò)的短時(shí)交通流預(yù)測(cè)[J];系統(tǒng)工程;2004年02期

8 朱中,楊兆升;實(shí)時(shí)交通流量人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J];中國(guó)公路學(xué)報(bào);1998年04期

【相似文獻(xiàn)】

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(yù)測(cè)方法[J];華北電力大學(xué)學(xué)報(bào);2004年03期

2 李佳萌,曾濤,王偉;ARIMA模型在天津港交通量預(yù)測(cè)中的應(yīng)用[J];數(shù)理醫(yī)藥學(xué)雜志;2004年05期

3 姜慶華;趙麗萍;;基于ARIMA模型的我國(guó)電力生產(chǎn)預(yù)測(cè)研究[J];價(jià)值工程;2006年09期

4 王婷;;民航客運(yùn)量的ARIMA模型與預(yù)測(cè)[J];五邑大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

5 蔣金良;林廣明;;基于ARIMA模型的自動(dòng)站風(fēng)速預(yù)測(cè)[J];控制理論與應(yīng)用;2008年02期

6 惠軍;馬冬冬;;ARIMA模型在房屋售價(jià)中的預(yù)測(cè)[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

7 周葉;肖靈機(jī);;基于ARIMA模型的我國(guó)航空貨運(yùn)量預(yù)測(cè)分析[J];南昌航空大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2010年03期

8 任歡;;基于ARIMA模型的河南省能源需求量預(yù)測(cè)[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2010年05期

9 張士強(qiáng);王雯;王健;;ARIMA模型在城市年用電量預(yù)測(cè)中的應(yīng)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(yù)測(cè)實(shí)證分析[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

相關(guān)會(huì)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(guó)控制會(huì)議論文集（下冊(cè)）[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(yù)測(cè)中的應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 李君華;王志堅(jiān);張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價(jià)格預(yù)測(cè)[A];中國(guó)棉花學(xué)會(huì)2012年年會(huì)暨第八次代表大會(huì)論文匯編[C];2012年

4 陳興榮;;ARIMA模型和GM(1,1)在我國(guó)白銀消費(fèi)需求預(yù)測(cè)應(yīng)用中的比較研究[A];第25屆全國(guó)灰色系統(tǒng)會(huì)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(yù)報(bào)電離層VTEC研究[A];第一屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)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(luò)的組合預(yù)測(cè)模型及應(yīng)用研究[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國(guó)時(shí)間生物醫(yī)學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

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

相關(guān)重要報(bào)紙文章 前1條

1 ;基于數(shù)量化方法對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)趨勢(shì)的預(yù)測(cè)[N];第一財(cái)經(jīng)日?qǐng)?bào);2009年

相關(guān)碩士學(xué)位論文 前10條

1 梁佳琦;ARIMA模型同MAXENT模型在自然保護(hù)區(qū)內(nèi)口蹄疫疫情風(fēng)險(xiǎn)預(yù)警中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年

2 張海東;基于論壇的熱點(diǎn)話題識(shí)別與趨勢(shì)預(yù)測(cè)研究[D];上海師范大學(xué);2015年

3 雍永強(qiáng);基于ARIMA和BPNN的組合預(yù)測(cè)模型在血糖預(yù)測(cè)中的應(yīng)用[D];鄭州大學(xué);2015年

4 張敏;基于ARIMA的組合模型問(wèn)題研究[D];大連海事大學(xué);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(xué);2015年

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

7 于婷;基于ARIMA模型的股價(jià)的研究[D];大連海事大學(xué);2015年

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

9 陳天舒;基于ARIMA與GPR組合模型的人民幣匯率預(yù)測(cè)[D];山東大學(xué);2015年

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

，

本文編號(hào)：1587000