基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）

发布时间：2018-03-09 04:27

  本文选题：ARIMA模型　切入点：Kalman滤波　出处：《Frontiers of Information Technology & Electronic Engineering》2017年02期 　论文类型：期刊论文

【摘要】：道路交通流预测不仅可以为出行者提供实时有效的信息,而且可以帮助他们选择最佳路径,减少出行时间,实现道路交通路径诱导,缓解交通拥堵。本文提出了一种基于ARIMA模型和Kalman滤波算法的道路交通流预测方法。首先,基于道路交通历史数据建立时间序列的ARIMA模型。其次,结合ARIMA模型和Kalman滤波法构建道路交通预测算法,获取Kalman滤波的测量方程和更新方程。然后,基于历史道路交通数据进行算法的参数设定。最后,以北京的四条路段作为案例,对所提出的方法进行了分析。实验结果表明,基于ARIMA模型和Kalman滤波的实时道路交通状态预测方法是可行的,并且可以获得很高的精度。
[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.
【作者单位】： College
【基金】：Project supported by the National Science &Technology Pillar Program(No.2014BAG01B02)
【分类号】：U491.14;TN713

【参考文献】

相关期刊论文 前1条

1 刘晓玲;贾鹏;邬珊华;于滨;;基于多维时空参数的道路短期交通状态预测[J];交通运输系统工程与信息;2011年04期

【共引文献】

相关期刊论文 前2条

1 陈小波;刘祥;韦中杰;梁军;蔡英凤;陈龙;;基于GA-LSSVR模型的路网短时交通流预测研究[J];交通运输系统工程与信息;2017年01期

2 Dong-wei XU;Yong-dong WANG;Li-min JIA;Yong QIN;Hong-hui DONG;;基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年02期

【二级参考文献】

相关期刊论文 前8条

1 殷礼胜;鲁照权;董学平;;交通流量VNNTF神经网络模型及其预测研究[J];科技通报;2010年05期

2 董春娇;邵春福;熊志华;李娟;;基于Elman神经网络的道路网短时交通流预测方法[J];交通运输系统工程与信息;2010年01期

3 李婧瑜;李歧强;侯海燕;杨立才;;基于遗传算法的小波神经网络交通流预测[J];山东大学学报(工学版);2007年02期

4 杨兆升;王媛;管青;;基于支持向量机方法的短时交通流量预测方法[J];吉林大学学报(工学版);2006年06期

5 姚智胜;邵春福;高永亮;;基于支持向量回归机的交通状态短时预测方法研究[J];北京交通大学学报;2006年03期

6 徐启华;杨瑞;;支持向量机在交通流量实时预测中的应用[J];公路交通科技;2005年12期

7 况爱武,黄中祥;基于RBF神经网络的短时交通流预测[J];系统工程;2004年02期

8 朱中,杨兆升;实时交通流量人工神经网络预测模型[J];中国公路学报;1998年04期

【相似文献】

相关期刊论文 前10条

1 卢建昌,张世英,牛东晓;基于ARIMA的发电量预测方法[J];华北电力大学学报;2004年03期

2 李佳萌,曾涛,王伟;ARIMA模型在天津港交通量预测中的应用[J];数理医药学杂志;2004年05期

3 姜庆华;赵丽萍;;基于ARIMA模型的我国电力生产预测研究[J];价值工程;2006年09期

4 王婷;;民航客运量的ARIMA模型与预测[J];五邑大学学报(自然科学版);2007年01期

5 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

6 惠军;马冬冬;;ARIMA模型在房屋售价中的预测[J];佳木斯大学学报(自然科学版);2009年01期

7 周叶;肖灵机;;基于ARIMA模型的我国航空货运量预测分析[J];南昌航空大学学报(社会科学版);2010年03期

8 任欢;;基于ARIMA模型的河南省能源需求量预测[J];安阳师范学院学报;2010年05期

9 张士强;王雯;王健;;ARIMA模型在城市年用电量预测中的应用[J];电力需求侧管理;2010年06期

10 董小刚;李纯净;;基于ARIMA模型的上证指数预测实证分析[J];长春工业大学学报(自然科学版);2012年05期

相关会议论文 前10条

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 王建锋;高歌;陈立凌;李红美;张明芝;王艾丽;;ARIMA模型及其在江苏省卫技人员数预测中的应用[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 李君华;王志坚;张立杰;陈雪;;基于小波理论及ARIMA模型的短期棉花价格预测[A];中国棉花学会2012年年会暨第八次代表大会论文汇编[C];2012年

4 陈兴荣;;ARIMA模型和GM(1,1)在我国白银消费需求预测应用中的比较研究[A];第25届全国灰色系统会议论文集[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 刘军;柴洪洲;陈轲;刘先冬;;ARIMA模型预报电离层VTEC研究[A];第一届中国卫星导航学术年会论文集（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;张f ;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全国时间生物医学学术会议论文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年

相关重要报纸文章 前1条

1 ;基于数量化方法对未来经济增长趋势的预测[N];第一财经日报;2009年

相关硕士学位论文 前10条

1 梁佳琦;ARIMA模型同MAXENT模型在自然保护区内口蹄疫疫情风险预警中的应用研究[D];东北林业大学;2015年

2 张海东;基于论坛的热点话题识别与趋势预测研究[D];上海师范大学;2015年

3 雍永强;基于ARIMA和BPNN的组合预测模型在血糖预测中的应用[D];郑州大学;2015年

4 张敏;基于ARIMA的组合模型问题研究[D];大连海事大学;2015年

5 桂林;退耕还林与生态环境改善的关系研究与分析[D];西安建筑科技大学;2015年

6 钱丽萍;基于ARIMA模型的儿童医院门诊量预测研究[D];苏州大学;2015年

7 于婷;基于ARIMA模型的股价的研究[D];大连海事大学;2015年

8 程浩;武汉第三产业总量时间序列研究[D];华中师范大学;2015年

9 陈天舒;基于ARIMA与GPR组合模型的人民币汇率预测[D];山东大学;2015年

10 袁磊;基于ARIMA-LSSVM混合模型的股指预测研究[D];哈尔滨工业大学;2015年

，

本文编号：1587000