文献类型：期刊文章

作　　者：韩超[1] 宋苏[1] 王成红[2]

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100022 [2]国家自然科学基金委员会信息学部,北京100085

出　　处：《系统仿真学报》

年　　份：2004

卷　　号：16

期　　号：7

起止页码：1530-1532

语　　种：中文

收录情况：CAS、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(p,d,0)模型结构的时间序列分析方法,提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计,采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验,结果表明:减小遗忘因子可以提高一步预测的性能。此外,将该算法分别应用于工作日和双休日的数据时,仿真实验都取得了较好的预测效果,说明该算法对不同交通流状况具有较好的适应性。

关 键 词：时间序列分析 ARIMA模型 短时交通流预测 自适应预测 实时预测  

分 类 号：U491.1[物流管理与工程类]