基于改進加權灰色GM(1,1)模型的高速公路交通量預測

潘 勇，吳小麗，李 科

(招商局重慶交通科研設計院有限公司， 重慶 400067)

基于改進加權灰色GM(1,1)模型的高速公路交通量預測

潘 勇，吳小麗，李 科

(招商局重慶交通科研設計院有限公司， 重慶 400067)

針對具有跳躍性的中長時數據預測，提出一種改進加權灰色GM(1，1)模型對高速公路收費站交通量進行預測。將原始交通量數據經過1階弱化和1-AGO處理后，利用灰色關聯度對初始值的取值進行加權優化，同時對背景值采取光滑優化處理，從而組合成新型灰色GM(1，1)模型。應用某收費站實際交通量統計數據來驗證新型灰色GM(1，1)模型算法預測準確性，結果表明：改進加權灰色GM(1,1)模型具有更好的適用性和準確性。

改進灰色GM(1,1)模型；交通量預測；加權

交通量預測一直都是智能交通的核心問題之一，對交通規劃設計具有決定性的作用[1]。隨著國內交通運輸業的快速發展，交通量預測的理論和方法也不斷創新。現階段，學者們提出了多種模型預測交通量，如神經網絡模型、馬爾科夫鏈模型、數據挖掘模型[2-4]等。目前，基于灰色模型的交通量預測方法的研究多是對短時數據或貧瘠數據的分析預測；而涉及中長時數據時，由于數據序列跳躍性增長較大，原有模型存在不同程度的局限性和不準確性[5-7]。

文獻[7]提出一種對背景值的優化方法，該方法成功提高了灰色模型的預測精度。借鑒該文獻對背景值的優化，改進加權灰色GM(1,1)模型又利用灰色關聯度對初始值進行加權優化，以改善中長時原始離散數據和背景值的光滑度，提高初始值的準確性。……