文献类型：期刊文章

作　　者：李文勇[1] 李俊卓[1] 王涛[1]

LI Wenyong;LI Junzhuo;WANG Tao(School of Architecture and Transportation Engineering,Guilin University of Electronic Technology,Guilin 541004,China)

机构地区：[1]桂林电子科技大学建筑与交通工程学院,桂林541004

出　　处：《武汉理工大学学报（交通科学与工程版）》

基　　金：国家自然科学基金项目资助(61963011)。

年　　份：2020

卷　　号：44

期　　号：6

起止页码：974-977

语　　种：中文

收录情况：AJ、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：由于交通流量的日变化趋势带来的长期自相关性引起了交通流量时间序列的异方差性,使差分自回归移动平均模型在交通流量预测中预测精度降低.针对此问题,提出一种改进的方法应用于交通流量预测.该改进方法通过Box-Cox指数变换建立了观测交通流量数据均值和方差之间的函数关系,并由此推导了交通流量时间序列的方差齐次转换函数,有效消除了非平稳的交通流量时间序列的长期自相关引起的异方差性.结果表明:改进后的ARIMA模型由于考虑了长期自相关引起的异方差性这一非线性特性,相比非平稳的HoltWinter模型,具有更小的平均绝对百分误差和均方根误差,在低流量时刻能提供更为精确的置信区间.

关 键 词：交通工程 交通流时间序列  长期自相关性  异方差性 ARIMA模型

分 类 号：U491.1[物流管理与工程类]