原文传递
基于ARIMA--MCC与CKDE--GARCH的城市交叉路口短时交通流预测研究
| 论文题名： | 基于ARIMA--MCC与CKDE--GARCH的城市交叉路口短时交通流预测研究 |
| 关键词： | 城市交叉路口;短时交通流预测;自回归移动平均模型;非参数模型-条件核密度模型 |
| 摘要： | 短时交通流预测已经成为了交通领域研究的热点之一，它可以为交通管理部门提供实时和可靠的信息，以便相关部门做出相应决策来缓解交通拥堵.由于短时交通流存在线性和异方差成分，所以研究者们提出自回归移动平均（ARIMA)模型来解释其线性成分,用广义条件自回归异方差（GARCH)型来解释ARIM A模型的残差.然而ARIM A模型需要满足一定的假设条件，即模型的残差必须满足高斯分布,这种假设条件在实际的应用中很难满足.另外，传统的GARCH模型估计的残差是通过标准随机变量得到的，可能会使得估计不准确，从而不能很好地解释残差的异方差性.本文针对传统短时交通流组合模型（ARIMA-GARCH)存在的缺点，提出了一种新的组合模型. 新的组合模型分为两个部分.第一个部分是改进的ARIM A模型，本文利用最大相关熵准则来估计ARIMA模型的自相关系数和偏自相关系数，并且用ARIMA-M CC模型对真实的短时交通流进行预测；第二个部分为改进的GARCH模型，即采用非参数模型-条件核密度模型（CKDE)来估计ARIMA-MCC模型的残差序列，并且用估计值来替代GARCH模型的标准随机变量，然后用CKDE-GARCH模型估计的残差与ARIM A-M CC模型的残差进行拟合,得到CKDE-GARCH模型的系数,并且用CKDE-GARCH模型向前一步估计的残差补偿ARIM A-M CC的预测值. 最后，用新的组合模型去预测真实的城市交叉路口的短时交通流，并且对预测的相应结果做出了分析.为了体现新模型的优越性，本文选择一些具有针对性的模型来与它进行对比.另外，其它3组不同特征的短时交通流被用来对提出模型进行验证，并且对新模型的适用情况做出了分析. |
| 作者： | 温欣雨 |
| 专业： | 系统科学 |
| 导师： | 赵磊娜 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
