城市道路交通状态多变量时间序列预测技术

摘要

交通流短时预测是城市交通智能化运营、管理和控制的关键技术之一。针对现有相关研究仅仅采用单变量进行交通状态预测以及对预测可靠性研究的不足，本文以实际采集的城市快速路、主干道及次干道断面交通流数据为基础，重点研究了城市道路交通状态多变量时间序列预测及可靠性分析方法。
　　 在城市道路交通状态多变量时间序列方法研究方面，本文基于Johansen协整检验以及Granger因果检验，分析和验证了流量与速度两个变量之间的长期均衡关系，以此为基础，构建了交通状态多变量预测的向量误差修正VEC(3)模型，并对模型的预测性能进行了评估;在城市道路交通状态预测可靠性分析方法研究方面，为了捕捉和预测用于可靠性评估的时间序列异方差，本文分别构建了单变量自回归条件异方差GARCH(1，1)模型和多变量自回归条件异方差MGARCH(1，1)模型，并基于置信区间宽度(CI)、无效覆盖率（KP）等指标对单变量时间序列与多变量时间序列预测的可靠性进行了对比分析。
　　 基于多变量时间序列模型的城市道路交通状态预测结果表明，多变量VEC(3)模型的总体预测性能优于单变量ARIMA(0，1，1)模型，尤其表现在速度预测方面。从局部时间段（如交通拥挤消散阶段）以及预测离散性的角度出发，VEC(3)模型具有更好的局部预测性能以及对交通状态的平滑功能。基于自回归条件异方差模型城市道路交通状态预测可靠性研究结果表明，自回归条件异方差模型能够显著提高传统单变量与多变量时间序列模型的预测可靠性，并且多变量自回归条件异方差模型的预测可靠性略优于单变量自回归条件异方差模型。

目录

声明

摘要

表目录

图目录

第一章 绪论

1．1 研究背景

1．2 研究目标和内容

1．2．1 研究目标

1．2．2 研究内容

1．3 技术路线

1．3．1 技术路线描述

1．3．2 技术路线图

1．4 论文结构安排

1．5 本章小结

第二章 文献综述

2．1 概述

2．2 交通状态预测模型文献综述

2．2．1 基于经验法的交通状态短时预测模型

2．2．2 基于数据驱动法的交通状态短时预测模型

2．3 交通状态预测可靠性文献综述

2．4 本章小结

第三章 数据描述及预处理

3．1 概述

3．2 数据描述

3．2．1 北京市快速路断面交通流数据描述

3．2．2 昆山市主干道及次干道断面交通流数据描述

3．3 数据预处理

3．3．1 原始数据时间规整

3．3．2 原始数据有效性检验

3．3．3 原始数据缺失估计

3．3．4 原始数据时空汇集

3．4 本章小结

第四章 城市道路交通状态多变量时间序列预测

4．1 概述

4．2 时间序列模型背景知识

4．2．1 单变量时间序列模型

4．2．2 向量误差修正模型

4．3 城市道路交通状态多变量预测VEC模型构建

4．3．1 城市道路交通状态变量之间协整关系检验

4．3．2 城市道路交通状态预测VEC模型滞后阶确定

4．3．3 城市道路交通状态预测VEC模型变量Granger因果关系检验

4．3．4 城市道路交通状态预测VEC模型构建及参数估计

4．4 城市道路交通状态多变量时间序列预测模型性能评估

4．4．1 预测性能评估指标

4．4．2 VEC模型总体预测性能

4．4．3 VEC模型在不同交通水平下的预测性能评估

4．4．4 VEC模型与单变量时间序列模型预测性能对比

4．5 本章小结

第五章 城市道路交通状态时间序列预测可靠性分析

5．1 概述

5．2 自回归条件异方差模型背景知识

5．2．1 时间序列模型的异方差性

5．2．2 单变量ARCH与GARCH模型

5．2．3 向量GARCH与BEKK模型

5．3 城市道路交通状态自回归条件异方差预测模型构建

5．3．1 单变量时间序列模型残差异方差检验及异方差模型构建

5．3．2 多变量时间序列模型残差异方差检验及异方差模型构建

5．4 城市道路交通状态时间序列预测模型可靠性评估

5．4．1 可靠性评估指标

5．4．2 总体预测可靠性评估

5．4．3 基于置信区间宽度的预测可靠性评估

5．4．4 局部预测可靠性评估

5．5 本章小结

第六章 结论与展望

6．1 研究成果总结

6．2 研究展望

致谢

参考文献

科研经历与硕士期间发表论文情况