本文選題：高速公路　切入點(diǎn)：經(jīng)驗(yàn)?zāi)B(tài)分解　出處：《計(jì)算機(jī)仿真》2017年06期

【摘要】：交通流量預(yù)測(cè)對(duì)于高速公路管理進(jìn)行決策至關(guān)重要,但是由于短時(shí)交通流量有較強(qiáng)的突發(fā)性、時(shí)變性和非線性,傳統(tǒng)的預(yù)測(cè)方法預(yù)測(cè)精度低,適應(yīng)能力差。為了提高短時(shí)交通流量預(yù)測(cè)精度,提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和維納濾波預(yù)處理的時(shí)間序列預(yù)測(cè)方法。采用EMD將交通流量數(shù)據(jù)分解成多個(gè)本征模態(tài)分量,信號(hào)主導(dǎo)模態(tài)利用自回歸滑動(dòng)平均(ARMA)模型進(jìn)行預(yù)測(cè),而噪聲主導(dǎo)模態(tài)采用維納濾波進(jìn)行去噪處理后再建立模型預(yù)測(cè),最后將各部分預(yù)測(cè)結(jié)果線性組合得到最終預(yù)測(cè)結(jié)果。利用上述方法對(duì)四川成都的交通流量數(shù)據(jù)進(jìn)行預(yù)測(cè),結(jié)果表明選用的方法比傳統(tǒng)單一預(yù)測(cè)模型有更高的預(yù)測(cè)精度。
[Abstract]:Traffic flow forecasting is very important for highway management. However, because of the strong sudden, time-varying and nonlinear characteristics of short-term traffic flow, the traditional forecasting methods have low accuracy. In order to improve the accuracy of short-term traffic flow prediction, a time series prediction method based on empirical mode decomposition (EMD) and Wiener filter is proposed. The traffic flow data are decomposed into multiple intrinsic modal components by EMD. The signal-dominant modal is predicted by the autoregressive moving average ARMA-model, while the noise-dominated modal is de-noised by Wiener filter, and then the model prediction is established. Finally, the final prediction results are obtained by combining each part of the prediction results linearly, and the traffic flow data of Chengdu, Sichuan Province are forecasted by the above methods. The results show that the proposed method has a higher prediction accuracy than the traditional single forecasting model.
【作者單位】： 四川大學(xué)電氣信息學(xué)院;
【基金】：四川省交通科技項(xiàng)目(2013c7-1)
【分類號(hào)】：TN713;U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘昱,張晶;基于城市路口相關(guān)性的交通流量預(yù)測(cè)[J];交通與計(jì)算機(jī);2005年01期

2 劉世超;基于極大似然估計(jì)的路段交通流量預(yù)測(cè)[J];西南交通大學(xué)學(xué)報(bào);2005年02期

3 劉長(zhǎng)虹;陳志恒;黃虎;;城市短期交通流量預(yù)測(cè)方法的探討[J];現(xiàn)代交通技術(shù);2006年01期

4 侯明善;蘭云;;基于自適應(yīng)模糊神經(jīng)推理網(wǎng)絡(luò)的交通流量預(yù)測(cè)研究[J];機(jī)械科學(xué)與技術(shù);2006年10期

5 胡丹;肖建;車(chē)暢;;提升小波支持向量機(jī)在交通流量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2007年08期

6 姚亞夫;劉侃;;基于遺傳神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)研究[J];公路與汽運(yùn);2007年06期

7 范魯明;賀國(guó)光;;改進(jìn)非參數(shù)回歸在交通流量預(yù)測(cè)中的應(yīng)用[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

8 叢新宇;虞慧群;范貴生;;基于組合模型的交通流量預(yù)測(cè)方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

9 劉長(zhǎng)虹;黃虎;陳力華;吳偉蔚;;基于隨機(jī)過(guò)程下的交通流量預(yù)測(cè)方法[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2006年02期

10 猶勇;;組合預(yù)測(cè)方法在城市交通流量預(yù)測(cè)中的運(yùn)用[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

相關(guān)會(huì)議論文 前7條

1 龐清樂(lè);;基于蟻群算法的交通流量預(yù)測(cè)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

2 張勇;關(guān)偉;;基于多變量序列重構(gòu)的交通流量預(yù)測(cè)[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

3 劉強(qiáng);朱敏;王小維;邱震宇;;灰色神經(jīng)模型在空中交通流量預(yù)測(cè)中的應(yīng)用[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 劉智勇;徐今強(qiáng);李水友;;城市交通流量的混沌時(shí)間序列預(yù)測(cè)[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

5 周申培;嚴(yán)新平;;信息融合技術(shù)在交通流量預(yù)測(cè)中的應(yīng)用[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 于江波;陳后金;;基于分段學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

7 蔣海峰;魏學(xué)業(yè);張屹;;基于加權(quán)一階局域法的短時(shí)交通流量預(yù)測(cè)的研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 胡孟杰;基于流量預(yù)測(cè)的交通信號(hào)控制技術(shù)研究[D];浙江工業(yè)大學(xué);2014年

2 慕偉;城市道路交通流預(yù)測(cè)與路徑選擇研究[D];浙江工業(yè)大學(xué);2015年

3 林海濤;面向短時(shí)交通流量預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)算法研究[D];南京郵電大學(xué);2016年

4 談X;基于路口相關(guān)性的變結(jié)構(gòu)式組合交通流量預(yù)測(cè)的研究[D];合肥工業(yè)大學(xué);2017年

5 許麗;基于多源數(shù)據(jù)的通勤高峰期交通流量預(yù)測(cè)方法[D];西南交通大學(xué);2017年

6 張仁初;寧波港船舶交通流量預(yù)測(cè)研究[D];大連海事大學(xué);2008年

7 朱文姍;擬建高速公路交通流量預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）;2014年

8 李波;基于小波分析和遺傳神經(jīng)網(wǎng)絡(luò)的短時(shí)城市交通流量預(yù)測(cè)研究[D];北京交通大學(xué);2012年

9 何偉;模糊神經(jīng)網(wǎng)絡(luò)在交通流量預(yù)測(cè)中的應(yīng)用研究[D];蘭州交通大學(xué);2012年

10 吳凱;基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)研究[D];南京郵電大學(xué);2013年

，

本文編號(hào)：1675160