带时变滞后的基于 STARIMA 的交通预测
信息论
2017-01-05 v1 网络与互联网体系结构
math.IT
摘要
基于观测到两个测量点或交通站点的观测交通之间的相关性可能是时变的，这归因于时变速度，进而导致两点间行驶所需时间的变异；本文中，我们开发了带时变滞后的修正时空自回归积分滑动平均（STARIMA）模型，用于短期交通流预测。特别地，修正 STARIMA 中的时间滞后随一天中不同时刻的时变速度变化，或等价地随两点间行驶所需的（时变）时间变化。首先，提出了一种评估 STARIMA 模型中时间滞后的技术，其中时间滞后被表述为空间滞后（空间距离）与平均速度的函数。其次，设计了一种基于 ISODATA 算法的无监督分类算法，根据速度变化对一天中的不同时段进行分类。该分类有助于确定 STARIMA 模型中使用的适当时间滞后。最后，开发了带时变滞后的基于 STARIMA 的模型用于短期交通预测。使用真实交通数据的实验结果表明，所开发的带时变滞后的基于 STARIMA 的模型比使用传统互相关函数且未采用时变滞后的对应模型具有更优的精度。
引用
@article{arxiv.1701.00977,
title = {STARIMA-based Traffic Prediction with Time-varying Lags},
author = {Peibo Duan and Guoqiang Mao and Shangbo Wang and Changsheng Zhang and Bin Zhang},
journal= {arXiv preprint arXiv:1701.00977},
year = {2017}
}