吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (2): 448-453.doi: 10.13229/j.cnki.jdxbgxb20161256
孟品超1, 李学源1, 贾洪飞2, 李延忠3
MENG Pin-chao1, LI Xue-yuan1, JIA Hong-fei2, LI Yan-zhong3
摘要: 提出了一种基于滑动平均方法(MA)的城市轨道交通客流预测算法,首先确定用于滑动平均的滑动参数,然后对历史数据求滑动平均值得到各个时间段的预测客流数据,并采用实时客流数据对预测结果进行修正,得到预测客流时间序列。试验结果表明,采用滑动平均方法不仅预测精度要高于支持向量机(SVM)、反向传播神经网络(BPNN)、小波神经网络(WNN)和小波组合支持向量机(WS)这4种预测方法,而且滑动平均方法的计算速度要明显优于以上4种方法,可用于复杂非平稳客流时间序列的短时预测。
中图分类号:
[1] 裴益轩,郭民.滑动平均法的基本原理及应用[J].火炮发射与控制学报,2001(1):21-23. Pei Yi-xuan, Guo Min. The fundamental principle and application of sliding average method[J]. Gun Launch & Control Journal, 2001(1): 21-23. [2] 胡松,江小炜,杨光,等.滑动平均滤波在微弱脉冲信号检测中的应用[J].计算机与数字工程,2007,35(10):169-172. Hu Song, Jiang Xiao-wei, Yang Guang, et al. Using of moving average filter in faint pulse signal detection[J]. Computer and Digital Engineering, 2007, 35(10): 169-172. [3] 何耀,刘兴涛,张陈斌,等.基于动力电池组内阻模型的绝缘检测算法[J].吉林大学学报:工学版,2013,43(5): 1165-1170. He Yao, Liu Xing-tao, Zhang Chen-bin, et al. Insulation detection algorithm for high-power battery system based on internal resistance model[J]. Journal of Jilin University (Engineering and Technology Edition), 2013, 43(5): 1165-1170. [4] Hatchett R B, Brorsen B W, Anderson K B. Optimal length of moving average to forecast futures basis[J]. Journal of Agricultural and Resource Economics, 2009, 35(1): 18-33. [5] Shih Y T, Cheng H M, Sung S H, et al. Application of the N-Point moving average method for brachial pressure waveform-derived estimation of central aortic systolic pressure[J]. Hypertension, 2014, 63(4): 865-870. [6] 潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社,2015. [7] Dhuyvetter K C, Kastens T L. Forecasting crop basis: practical alternatives[C]∥Proceedings of the NCR-134 Conference on Applied Commodity Price Analysis, Forecasting, and Market Risk Management, Chicago,USA,1998: 49-67. [8] Hatchett R B. Optimal length of moving averages to use when forecasting basis[D]. Stillwater Ok: Department of Agricultural Economics, Oklahoma State University, 2009. [9] 杨林泉.预测与决策方法应用[M].北京:冶金工业出版社,2011. [10] 刘寒冰,李国恒,谭国金,等.基于时间序列的边坡位移实时预测方法[J].吉林大学学报:工学版,2012,42(增刊1):193-197. Liu Han-bing, Li Guo-heng, Tan Guo-jin, et al. Real-time prediction method of slop displacement based on time series analysis[J]. Journal of Jilin University(Engineering and Technology Edition), 2012, 42 (Sup.1): 193-197. [11] 杨军.地铁客流短时预测及客流疏散模拟研究[D].北京:北京交通大学电子信息工程学院,2013. Yang Jun. Research on metro passenger flow short-time prediction and evaluation simulation[D]. Beijing: School of Electronic and Information Engineering, Beijing Jiaotong University, 2013. |
[1] | 陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676. |
[2] | 常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684. |
[3] | 曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693. |
[4] | 宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379. |
[5] | 刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386. |
[6] | 钟伟, 隽志才, 孙宝凤. 不完全网络的城乡公交一体化枢纽层级选址模型[J]. 吉林大学学报(工学版), 2018, 48(5): 1387-1397. |
[7] | 刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410. |
[8] | 宗芳, 路峰瑞, 唐明, 吕建宇, 吴挺. 习惯和路况对小汽车出行路径选择的影响[J]. 吉林大学学报(工学版), 2018, 48(4): 1023-1028. |
[9] | 栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036. |
[10] | 陈永恒, 刘鑫山, 熊帅, 汪昆维, 谌垚, 杨少辉. 冰雪条件下快速路汇流区可变限速控制[J]. 吉林大学学报(工学版), 2018, 48(3): 677-687. |
[11] | 王占中, 卢月, 刘晓峰, 赵利英. 基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版), 2018, 48(3): 688-693. |
[12] | 李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703. |
[13] | 陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429. |
[14] | 苏书杰, 何露. 步行交通规划交叉路口行人瞬时动态拥塞疏散模型[J]. 吉林大学学报(工学版), 2018, 48(2): 440-447. |
[15] | 王占中, 赵利英, 焦玉玲, 曹宁博. 信号交叉口自行车和行人混合交通流社会力模型[J]. 吉林大学学报(工学版), 2018, 48(1): 89-97. |
|