基于改进的GM（1，1）的长期交通量预测模型.pdfVIP

第 12卷 第 1期 铁道科学与工程学报 Volume12 Number1 2015年 2月 JournalofRailwayScienceandEngineering February2015 基于改进的GM(1，1)的长期交通量预测模型 高连生，易诞 。毛娜 ，李亮 (中南大学 土木工程学院，湖南 长沙410075) 摘 要 ：针对传统的GM(1，1)模型在预测高速公路交通量中存在的误差过大的问题 ，通过对原始数据进行滑动平均处理， 减少数据在统计过程中的随机误差和人为误差。利用等维灰数递补预测模型进行交通量预测，在数据列中补充新的数据， 去掉老的数据，使模型得到改进。利用改进的新模型去预测下一年的数据比用原模型更加合理，更接近实际。研究结果表 明：利用等维灰数递补预测模型预测的预测精度是94．24％，比GM(1，1)残差改进模型提高了1．49％，比传统的GM(1，1) 模型精度提高了6．94％。适用于交通量的长期预测。 关键词：交通工程 ；交通量；GM(1，1)模型；GM(1，1)残差改进模型；等维灰数递补模型 中图分类号：TU457 文献标志码：A 文章编号：1672—7029(2015)Ol一0203—05 Aforecastmodelforlong—term trafficvolumebasedonimprovedGM(1，1)mode GAO Liansheng，YIDan，MAO Na，LILiang (CollegeofCivilEngineering，CentralSouthUniversity，Changsha410075，China) Abstract：InordertominishtheexcessiveerrorfromtraditionalGM(1，1)modelinexpresswaytrafficvolume prediction，thispaperaimstoreducerandom errorandpe~onal errorofdatainthestatisticalprocessbyasliding averageprocessingoforiginaldata．Thesamedimensiongrayrecurrencedynamicmodelwasadoptedtopredict thetrafficvolume，andthemodelwasimprovedbyaddingnew datacontinuouslyandremovingolddata．Using improveddatatoforecastnextyeargdataismorerationalandrealisticthanusingthesourcemodel。Theresearch resultsshow that，thepredictionaccuracyoftrafficvolumeforecastwithprogressivemodelofequaldimension rgeymemberGM(1，1)is99．24％，whichimproves1．49％ incomparisonwithresidualsimprovedGM (1，1) modeland6．94％ comparedtoGM (1，1)mode1．Theprogressivemodelcanbeusedtoforecastlong—term trafficvolume． Keywords：trafficengineering；trafficvolume；GM (1，1)model；residualsimprovedGM (1，1)model；same dimensiongrayrecurrencedynamicmodel 随着我国经济的不断发展，人们对汽车的需求 meda等 利用视频车辆检测技术来提取交通参 量逐年增加，也使得高速公路的交通量不断增加 。 数，如交通流量，十字路 口的车辆转向信息等；史其 为提高人们的通行能力，确定高速公路进行预养护 信等 提出基于 BP神经网络的路径形成