基于时间序列模型的短时交通流预测11.doc

目录摘要IIAbstractIII前言1第一章绪论11.1研究背景及意义11.2短时交通流预测国内外研究现状2第二章时间序列预测模型相关理论22.1时间序列模型预测概述22.2时间序列模型预测原理32.3时间序列预测算法4第三章短时交通流预测93.1短时交通流预测概述93.2短时交通流预测的评价指标93.3交通流数据的选择103.4数据性质11第四章运用时间序列模型进行短时交通流预测114.1运用三种时间序列算法进行短时交通流预测114.1.1趋势拟合法114.1.2平滑法164.1.3ARIMA方法194.2预测结果对比分析214.2.1对一次指数平滑法进行拟合22第五章结束语235.1论文的优点235.2论文的不足23参考文献24致谢25附录：Matlab软件程序26摘要随着现代社会的高速发展，城市车辆越来越多。随之而来的，道路阻塞和交通事故层出不穷。这些交通问题严重影响着人们的出行,急需解决。解决这些问题就需要对某一路段未来某一时间段的交通状况进行科学的预测，从而为交通规划、运输业、交通管理、交通控制提供重要技术保障，实现交通智能化。本文从预防的角度出发，在考虑成本的条件下，利用已有的历史数据（车流量、车道占有率）运用时间序列模型对路段的未来短时交通流数据进行预测，为争取更多的时间解决将要发生的交通问题做好充分准备。本文以贵阳市的实际测量交通流数据作为训练样本，利用MATLAB编制程序，使用线性拟合、曲线拟合、移动平均法、指数平滑法和ARIMA模型进行预测、分析、比较。并对指数平滑法得到的结果进行了改进，提高了预测精度。关键词：交通智能化,时间序列,短时交通流,预测分析AbstractWiththerapiddevelopmentofmodernsociety,moreandmorecarsappearincities,whichmakethetrafficcongestionandthetrafficaccidentsemergeendlessly.Allthesetrafficproblemsarenotgoodforpeople'stravel,andneedtobesolvedimmediately.Tosolvetheseproblems,weneedtopredictthetrafficconditionsofaroadinacertainperiodoftimeinfuture.Wecangiveimportanttechnicalsupporttothetrafficandtransportationplanning,thetransportation,thetrafficmanagementandtrafficcontrol,torealizeintelligenttraffic.Fromtheperspectiveofprevention,ourpaperusedtheexistinghistoricaldata(thenumberofcars,laneoccupancy)andthetimeseriesmodeltoforecastashort-termfuturetrafficflowdataofaroadundertheconditionofconsideringcostandsavemoretimeforsolvingthetrafficproblemsthatwilloccurinthefuture.UsingtheactualmeasurementoftrafficflowdatainGuiYangasthetrainingsample,ourpapertookadvantageoftheMATLABprogrammingandsomemethods(e.g.thelinearfitting,thecurvefitting,themovingaverage,theexponentialsmoothingandsoon)toforecast,analyzeandcompare.Finally,weimprovedtheresultandpredictionaccuracyoftheexponentialsmoothingmethod.Keywords:IntelligentTransportation,TimeSeries,theShort-termTrafficFlow,theAnalysisofPrediction前言作为贵州省省会的贵阳，在全省的文化、政治、经济各方面都占据着至关重要的位置，而且贵阳市人口众多，交通负担极大。截至2013年底，贵阳市有450万的城镇居民，达到97万辆的机动车保有量。贵阳是一个坐落在群山之间的城市，周围的山岭和高地在一定程度限制了它的扩大，因此它的未来发展