[发明专利]一种交通流预测的三次指数平滑最优方法

说明书

技术领域

本发明涉及车联网中预测车辆交通流的技术，特别涉及一种三次指数平滑法的平滑系数的确定方法。

背景技术

交通流预测在智能交通系统中一直是一个热门的研究领域，是智能交通系统的重要组成部分，其中短时交通流量预测是交通流量预测中主要的研究内容，及时获取短时交通流量预测的信息有助于保障交叉路口的畅通。因此如何获取准确的短时交通流量预测信息是保证交通有效运行的关键。

指数平滑法是一种短期时间序列的预测方法，简单易行，应用广泛，能够充分利用历史数据进行预测，是仅次于回归预测法应用最为广泛的预测方法之一，且成为组合预测中的首选方法。而预测的准确度和指数平滑法的平滑指数有关。传统的指数平滑法系数是静态的，即对于不同时段的数据变化不能呈现出很好的自适应能力，这显然一定程度上影响了预测的精度。为了更好服务大众出行用户和交通管理，预测精度需要提高。

国内外对此也做了很多研究，现有的技术中，例如：文献[1]张忠平.指数平滑法[M].北京:中国统计出版社，1996:36-49、文献[2]金旭星，盛奎川.指数平滑参数与初值的选取研究[J].江南大学学报，2005，4(3):316-319.文献[3]唐炎森.指数平滑预测公式与平滑系数[J].统计与信息论坛，1998(1):38-43。上述文献[1]、[2]、[3]是针对平滑系数提出了一些改进方法。文献[1][2]中是利用黄金分割法等方法取最优平滑系数，但是其精度很低。文献[3]研究只涉及了一次和二次的指数平滑法预测。文献[4]MichaelB.C.Khoo，V.H.Wong.ADoubleMovingAverageControlChart[J].CommunicationsinStatistics-SimulationandComputation，2008，378:.作者研究了一种双指数平滑法模型。文献[5]IbrahiemM.M.ElEmary，AdananI，AlRabia.EstimationTechniquesforMonitoringandControllingthePerformanceoftheComputerCommunicationNetworks[J].AmericanJournalofAppliedSciences，2005，210:.作者研究了四种时间序列模型的预测，表明了指数平滑法要比其他的方法对时间序列模型的预测更为准确。文献[6]RossSparks，ChrisOkugami，SarahBolt.OutbreakDetectionOfSpatio-TemporallySmoothedCrashes[J].OpenJournalofSafetyScienceandTechnology，2012，0203:.介绍了一种基于指数平滑法的二进制树递归分区的监测方法。文献[7]刘造保，徐卫亚，张开普，刘康.基于改进指数平滑法的岩体边坡变形预测[J].河海大学学报(自然科学版)，2009，03:313-316.作者建立了参数最优的二次和三次指数平滑法预测模型。文献[8]吴德会.动态指数平滑预测方法及其应用[J].系统管理学报，2008，02:151-155.通过优化平滑系数和平滑初值对指数平滑法做了改进。文献[9]李颖.时间序列指数平滑算法的改进研究[D].辽宁工程技术大学，2009.介绍了寻找平滑系数α的一些方法，并分析了各方法的优劣，但所建立的动态模型较为复杂。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于解决了上述现有技术中指数平滑法平滑系数自适应调整的问题，提出了一种交通流预测的三次指数平滑最优方法，该方法是通过等距法寻求最优指数平滑系数，在每次进行预测前，都根据最新的一段历史数据得到最优的平滑系数。

本发明解决其技术问题所采取的技术方案是：一种交通流预测的三次指数平滑最优方法，该方法利用等距法寻求三次指数平滑法最优平滑系数，可以设定不同的距长，根据不同的需求，提高平滑系数的精度。

方法流程：

步骤1：选定M个连续时段的历史研究数据。确定出平滑初值，由于指数平滑法“重近轻远”的特点，若在历史数据较多的情况下，初值对预测的影响不大，反之，在历史数据较多的情况下可用简单的平均法获得初值。所以统一采用计算历史数据的算术平均方法确定平滑初值。其中，M表示研究数据的数量。在本发明仿真时，选取了24个历史数据。

步骤2：设定距长λ＝0.01，则将α分成100个相同的距离的区间，记为α_k(k＝1,2,...)；