[发明专利]一种高速公路客货运输量预测方法及系统

权利要求书

1.一种高速公路客货运输量预测方法，其特征在于：包括以下步骤：

步骤1：获取高速公路上目标区域内经过收费站的车辆的车辆收费数据；

步骤2：对步骤1的车辆收费数据中的缺失数据及重复数据进行剔除，基于剔除后的车辆收费数据构建车辆收费数据模型；

步骤3：基于车辆收费数据模型，以日期为索引，以一个自然日为集计区间，对客货运输量进行计数，构建客货运输量的时间序列；

步骤4：采用客货运输量的时间序列构建以时间序列为输入，以客货运输量为输出的时间序列模型；

步骤5：将所需预测的数据输入步骤4构建的时间序列模型，得到客货运输预测量。

2.根据权利要求1所述的一种高速公路客货运输量预测方法，其特征在于：所述车辆收费数据模型结构为“ENTRY_CITY城市进入”、“EXIT_CITY城市出口”、“日期”、“载客运量”以及“载货运量”。

3.根据权利要求1所述的一种高速公路客货运输量预测方法，其特征在于：所述步骤4具体包括以下子步骤：

将客货运输量的时间序列划分为训练集和测试集；

对训练集进行自回归滑动平均模型ARMA训练，确定差分次数、自回归项数以及滑动平均项数；

根据差分次数、自回归项数以及滑动平均项数建立时间序列模型，采用测试集测试所述时间序列模型。

4.根据权利要求3所述的一种高速公路客货运输量预测方法，其特征在于：所述的对训练集进行自回归滑动平均模型ARMA训练，确定差分次数、自回归项数以及滑动平均项数的步骤包括：

采用面板分析数据包Pandas模块中的diff函数确定差分次数d；

采用自回归滑动平均模型ARMA通过d次差分训练得到自回归项数p和滑动平均项数q，所述自回归滑动平均模型ARMA表示为：

其中，y_t是预测下一个集计区间的值，μ是常数值，y_t-i是第i个集计区间的值，∈_t预测的残差值，∈_t-i为第i个时间区间的残差值，r_i是自相关系数，θ_i是移动平均系数，p为自然回归项数，q为滑动平均项数。

5.根据权利要求3所述的一种高速公路客货运输量预测方法，其特征在于：基于差分次数、自回归项数以及滑动平均项数，根据以下公式建立时间序列模型；

其中，φ(B)为平稳可逆时间序列模型的自回归系数多项式，φ_p为p阶自回归项，p为自回归项数p＝1,2,3...，B^p为后移p阶延迟算子，B为延迟算子，θ(B)为移动平均项，θ(B)＝1-θ₁B-…θ_qB^q，θ_q为q阶滑动平均项，q为滑动平均项数q＝1，2，3...,B^q为滑动q阶延迟算子，为d阶差分，d为差分次数，x_t为样本值，ε_t为服从独立高斯分布的白噪声序列，E(ε_t)为噪声期望，Varε_t为噪声方差，为噪声方差，E(ε_tε_s)为噪声乘积期望，ε_s为运算序列，s为运算算子数，t为序列项数，E为期望，x_s为运算值。