一种考虑长期均衡关系的道路断面交通速度短时预测方法
【技术领域】
[0001] 本发明属于交通预测领域，涉及一种考虑上下游断面交通速度时间序列之间长期 均衡关系的断面交通速度短时预测方法。
【背景技术】
[0002] 交通流运行速度是道路交通运营、管理与控制的重要技术指标之一。准确、可靠的 交通速度短时预测已经成为路径诱导、主动式交通控制等城市智能交通系统的重要研究内 容。国内外对道路断面交通速度短时预测技术开展了大量研究，基于统计模型以及人工智 能等技术的预测方法不断被提出，并且预测的准确性也不断得到提高。然而，诸多研究都针 对单一断面获取的交通流数据进行建模和预测，忽视了不同断面交通流之间的相关性。尽 管一些研究提出在断面交通速度预测过程中考虑上下游交通状况的影响，但是在预测模型 构建过程中对获得的原始交通速度时间序列进行了差分处理。虽然差分后的交通速度时间 序列能够很好的满足建模过程对时间序列平稳性的要求，但是差分过程也同时消除了交通 速度原始（水平）时间序列之间的长期均衡关系，而这种长期均衡关系往往有助于提高短 时预测的准确性。因此，充分提取和利用道路连续断面交通速度之间的长期均衡关系，可进 一步提升道路断面交通速度短时预测的准确性和可靠性。
【发明内容】
[0003] 发明目的：本发明提供一种解决当前道路断面交通速度短时预测过程忽视连续断 面交通速度之间存在的长期均衡关系，提升道路断面交通速度短时预测精度的考虑长期均 衡关系的道路断面交通速度短时预测方法。
[0004] 技术方案：本发明的考虑长期均衡关系的道路断面交通速度短时预测方法，包括 如下步骤：
[0005] (1)获取原始交通速度时间序列，包括道路上目标断面交通速度时间序列{yt}，以 及目标断面紧邻上游断面交通速度时间序列Ixt};
[0006] (2)通过一阶差分运算，分别将所述步骤（1)中获得的原始交通速度时间序列 {yj和IxJ转化为平稳时间序列，包括平稳的目标断面交通速度时间序列{AyJ和平稳的 目标断面紧邻上游断面交通速度时间序列{Axt};
[0007] (3)对所述步骤⑵获得的平稳时间序列{AyJ和{AxJ，采用一定时段的历史 样本数据建立向量自回归模型为：
[0009] 式中，p为向量自回归过程的滞后阶数；△ yt为目标断面交通速度在时间间隔t 内的一阶差分值；Axt为目标断面紧邻上游断面交通速度在时间间隔t内的一阶差分值； Aytl为目标断面交通速度在时间间隔（t-i)内的一阶差分值；Axtl为目标断面紧邻上游 断面交通速度在时间间隔（t-i)内的一阶差分值；βχ1，βη，γχ1，Y yl，cx，cy为向量自回归 模型的待估参数；e xt和e yt为向量自回归模型的误差项；
[0010] (4)采用与所述步骤（3)相同时段的原始交通速度时间序列{yj和IxJ的历史 样本数据，检验时间序列{yj和{xj之间的协整关系，并在此基础上建立原始交通速度时 间序列{yj和IxJ之间的协整方程如下所示，使原始交通速度时间序列{yj和IxJ转化 为平稳的线性组合：
[0011] ft i= y t「a Q-a A i
[0012] 式中ft i为原始交通速度时间序列{y J和{xt}之间的协整关系；yt i为目标断面 交通速度在时间间隔（t-Ι)的实际观测值；Xtl为目标断面紧邻上游断面交通速度在时间 间隔（t-Ι)的实际观测值；a。和a i为协整方程的待估参数；
[0013] (5)结合所述步骤（3)建立的向量自回归模型和所述步骤（4)建立的协整方程，进 一步构建目标断面交通速度及目标断面紧邻上游断面交通速度的向量误差修正模型为：
[0015] Ayftl式中，为目标断面交通速度的误差修正项，λ y为对应的误差修正系数； Xxftl为目标断面紧邻上游断面交通速度的误差修正项，λ x为对应的误差修正系数；
[0016] (6)依据所述步骤（5)建立的向量误差修正模型，利用所述步骤（1)中获取的原始 交通速度时间序列在时间间隔（t-1)，（t-2)，…，（t-ρ+Ι)的实际观测值，计算时间间隔t 内目标断面交通速度一阶差分时间序列的预测值为：
[0018] 然后进一步推算时间间隔t内目标断面交通流速度水平时间序列的预测值为：
[0019] ft = yt_a + Ayt 〇
[0020] 进一步的，本发明方法中，所述步骤（1)中，各断面采集的原始交通速度数据是以 5分钟为等时间间隔的连续时间序列数据，并且原始时间序列不平稳。
[0021] 进一步的，本发明方法中，所述步骤（3)中，一定时段的历史样本数据是指连续一 天、等时间间隔的目标断面交通速度时间序列数及目标断面紧邻上游断面交通速度时间序 列数据，所述向量自回归模型的滞后阶P通过贝叶斯信息准则确定。
[0022] 进一步的，本发明方法中，所述步骤（4)中，原始交通速度时间序列{yj和{xt}之 间的协整关系依据Johansen协整检验法进行检验。
[0023] 进一步的，本发明方法中，所述步骤（5)中，向量误差修正模型的误差修正系数 λχ，Ay，和待估参数βχ?，0yi，γ χ?，丫0，(^，(^均采用普通最小二乘法进行估计。
[0024] 有益效果：本发明与现有技术相比，具有以下优点：
[0025] 传统的道路断面交通速度短时预测方法采用差分后平稳的时间序列数据进行建 模和预测，其过程忽视了连续断面交通速度原始时间序列之间存在的长期均衡关系，而这 种长期均衡关系往往有助于提高目标断面交通速度短时预测的精度。为此，本发明通过构 建目标断面与其紧邻上游断面原始交通速度时间序列之间的协整方程，量化了连续断面交 通速度原始时间序列之间的长期均衡关系，并将这种长期均衡关系利用到目标断面交通速 度的短时预测。具体而言，本发明在获取真实的目标断面交通速度原始时间序列及目标断 面紧邻上游断面交通速度原始时间序列的基础上，首先通过一阶差分运算，将两个连续断 面交通速度原始不平稳时间序列转化为平稳的时间序列，并通过构建向量自回归模型捕捉 和量化了连续两个断面交通速度一阶差分时间序列之间的短期波动相关关系。其次，采用 Johansen (约翰逊）协整检验法，验证两个连续断面交通速度原始时间序列之间的协整关 系（即长期均衡关系），并在此基础上构建两个连续断面交通速度原始时间序列之间的协 整方程。最后，在建立交通速度一阶差分时间序列向量自回归模型和交通速度原始时间序 列协整方程的基础上，构建了两个连续断面交通速度短时预测的向量误差修正模型。本发 明提出的向量误差修正模型同时捕捉和量化了目标断面交通速度时间序列与目标断面紧 邻上游断面交通速度时间序列之间的短期波动相关关系和长期均衡关系，可进一步提升目 标断面交通速度短时预测的准确性和可靠性。
【附图说明】
[0026] 图1为本发明的流程示意图；
[0027] 图2为本发明中主干道108122号断面交通速度短时预测值与实际观测值拟合效 果图；
[0028] 图3为本发明中主干道108123号断面交通速度短时预测值与实际观测值拟合效 果图；
[0029] 图4为本发明中次干道110114号断面交通速度短时预测值与实际观测值拟合效 果图；
[0030] 图5为本发明中次干道110115号断面交通速度短时预测值与实际观测值拟合效 果图。
【具体实施方式】
[0031] 以下内容通过实施例对本发明给出的技术方案进行详细说明。
[0032] 实施例：
[0033] 本实施例中，采用的数据为实际采集的昆山市中心城区前进路（主干道）和震川 路（次干道）上各连续3个断面的交通速度时间序列。前进路从上游往下游方向3个断 面检测编号分别为108121、108122、108123,其中断面108122和108123为目标断面，对应 的上游断面分别为108121和108122。震川路从上游往下游方向3个断面检测编号分别为 110113、110114、110115，其中断面110114和110115为目标断面，对应的上游断面分别为 110113和110114。原始数据的采集时间范围为2015年6月15日至2015年6月19日，数 据的采集时间间隔为5分钟。所采集的数据中，2015年6月15日的数据用于模型构建和参 数估计，剩余的数据用于预测性能评估。
[0034] 本实施例将目标断面的交通速度原始（水平）时间序列标记为{yj，上游断面交 通速度原始（水平）时间序列标记为IxJ。对目标断面及其紧邻上游断面交通速度的水平 时间序列进行一阶差分运算，将原始不平稳时间序列{yj和IxJ分别转化为平稳的时间序 列{ AyJ和{ AxJ。对2015年6月15日获得的断面交通流速度一阶差分时间序列构建 向量自回归VAR(p)模型，表达式如下：
[0036] 公式⑴中Ayt和Axt分别为目标断面及其上游断面交通流速度在时间间隔t内 的一阶差分值；A yt JP △ X t i分别为目标断面及其上游断面交通流速度在时间间隔（t_i) 内的一阶差分值邛：!1，3￥1，丫"，丫￥1，(^，(^为向量自回归模型的待估参