时间序列模型在高速公路交通量短期预测的应用【摘要】本文基于交通量预测的重大意义，建立了ARIMA（2，1，3）时间序列分析模型，采用四川省成渝高速公路公开的交通量数据，对该高速公路四川省内路段2013年的月交通量进行了预测，再与实际交通量数据进行对比。本文所建立的模型可以为四川成渝高速公路股份有限公司及交通运输管理部门的政策制定提供参考依据。【关键词】时间序列模型；交通量预测；ARIMA：U491.1+4文献标识码：A引言交通量作为影响高速公路通行费收入最直接的因素，其变化可以反映出交通量随时间变化的特性以及各个时间段高速公路的使用情况。高速公路管理者在对高速公路制定大中型维修计划时，高速公路的交通量特征是着重考虑的因素，交通量预测可以为高速公路维修施工工期及时间安排提供决策依据[1]。同时，高速公路交通量变化可以反映出公路路网的合理性，通---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---过分析交通量变化及交通量预测可以为政府相关部门制定政策提供决策依据[2]。本文基于四川成渝高速公路股份有限公司公开的交通量数据进行研究，本文所指成渝高速特指成渝高速公路四川段。1模型平稳性检验本文所采用的时间序列模型为ARIMA模型，全称为自回归积分滑动平均模型，是由Box和Jenkins于70年代初提出一著名时间序列预测方法[3]。本文将交通量数据分为两部分，2007年1月至2012年12月的交通量数据用于估计ARIMA模型参数，剩余的2013年1月至12月的交通量数据用于预测。先采用CensusX12法对交通量数据进行季节调整，再对交通量序列tr进行自然对数差分以消除趋势。由于序列tr经过一阶自然对数差分（即序列dlogtr），序列的趋势被消除，因此d=1，即序列tr是一阶差分平稳I（1）的。2模型的识别与定阶对序列dlogtr进行自相关分析，通过对其自相关（ACF）与偏自相关（PACF）函数的观察获得p，q值。可以看出序列dlogtr的偏自相关函数在1-2阶都很显著，并且从第3阶开始下降很大，2阶后截尾，因此先设定p的值为2。其自---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---相关函数1-3阶都是显著的，并且从第4阶开始下降很大，数值也不太显著，在3阶后截尾。因此先设定q值为3。于是对于序列dlogtr，初步建立了ARIMA（2，1，3）模型。3模型检验用Eviews8.0对模型ARIMA（2，1，3）进行估计，结果如下表1：由上表可以看出，ARIMA（2，1，3）模型估计结果良好，在1%的显著水平下，AR（1）、AR（2）、MA（1）、MA（2）、MA（3）的参数显著不为0，R2和调整后的R2值均大于0.95，接近于1，DW为1.807917，接近于2，表明模型相关性好，拟合程度高。4模型预测5结论交通量的影响因素有很多，本文所建模型是对数据进行平稳化处理之后建立的，故本文所建模型可以对短期内的交通量数据进行预测。模型的相对误差均控制在3%以内，预测结果较好，可以将本文所建立的ARIMA模型应用在成渝高速公路交通量短期预测中来，比如高速公路管理机构在制定年度维修计划时可以考虑应用此预测结果进行分析，综合选择合适的时间段。参考文献[1]祁伟，李晔，汪作新.季节性ARIMA模型在稀疏交通流下的预测方法[J].公路交通---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---科技，2014，31（4）：130-135.[2]杨志勇.基于灰色系统和神经网络的实时交通量预测组合模型研究[J].公路，2015，3（3）：104-108.[3]刘恒，丘建栋，方杰，罗建科.基于联网收费数据的实时滑动、动态校核的高速公路交通量预测方法研究[J].公路2014，12（12）：134-140.---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---