技术特征:
1.一种道路路径行程时间的滚动预测方法,其特征在于:包括以下步骤,步骤一,根据各路段历史行程时间数据,分别建立时间序列模型;步骤二,t时刻对每一个路段进行向前l步预测,得到路径行程时间的初始预测值,并且根据路径行程时间的初始预测值计算得到各路段的平均行程时间;步骤三,t 1时刻对每一个路段的路径行程时间的初始预测值进行动态误差修正,得到t 1时刻向前l步的预测值;基于修正后的各路段的路径行程时间预测值,以及t时刻各路段的平均行程时间,对初始路径行程时间的初始预测值进行错时累加,得到t 1时刻路径行程时间的滚动预测值,并得到各路段平均行程时间;步骤四,继续进行下去,实现路径行程时间的滚动预测。2.根据权利要求1所述的道路路径行程时间的滚动预测方法,其特征在于:步骤一中需要对建立好的模型进行确认。3.根据权利要求2所述的道路路径行程时间的滚动预测方法,其特征在于:建立好时间序列模型后,通过检验时间序列模型残量是否为白噪声,如果是白噪声序列,则进行下一步;否则,应重新建立新的时间序列模型。4.根据权利要求1所述的道路路径行程时间的滚动预测方法,其特征在于:步骤三中的动态误差修正,通过以下步骤实现,(1)输入行程时间序列{x1,x2,
…
,x
t
},确定时间序列模型arima(p,d,q)的阶数p,d,q,时间序列模型一般形式为:φ(b)δ
d
y
t
=δ θ(b)ε
t
,其中,行程时间序列{x1,x2,
…
,x
t
}在为在时刻1,2,
…
,t的行程时间数据,t为当前时刻,φ(b)=1
‑
φ1b
‑
φ2b2‑…‑
φ
p
b
p
θ(b)=1
‑
θ1b
‑
θ2b2‑…‑
θ
q
b
q
,,,,。(2)估计p个自回归参数φ1,φ2,
…
,φ
p
和q个移动平均参数θ1,θ2,
…
,θ
q
;(3)检验实现序列模型残量是否为白噪声,如果是,则继续下一步;否则,转步骤(1);(4)计算时间序列模型的传递函数:g0=1,(5)计算时刻t向前l(l=1,2,3,
…
)步的预测值及其95%置信区间)步的预测值及其95%置信区间(6)根据时刻t 1的实际值和时刻t的预测值,对时刻t 1向前l(l=1,2,3,
…
)步的预测值进行动态修正
技术总结
本发明公开了一种道路路径行程时间的滚动预测方法,包括以下步骤,步骤一,根据各路段历史行程时间数据,分别建立时间序列模型;步骤二,t时刻对每一个路段进行向前l步预测,得到路径行程时间的初始预测值,并且根据路径行程时间的初始预测值计算得到各路段的平均行程时间;步骤三,t 1时刻对每一个路段的路径行程时间的初始预测值进行动态误差修正,得到t 1时刻向前l步的预测值;基于修正后的各路段的路径行程时间预测值,以及t时刻各路段的平均行程时间,对初始路径行程时间的初始预测值进行错时累加,得到t 1时刻路径行程时间的滚动预测值,并得到各路段平均行程时间。该道路路径行程时间的滚动预测方法可得到贴合实际的路径行程时间的预测值。路径行程时间的预测值。路径行程时间的预测值。
技术研发人员:窦慧丽 杨晓光 刘好德 王国华
受保护的技术使用者:浙江交通职业技术学院
技术研发日:2020.10.22
技术公布日:2021/9/14
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。