多变量机动车交通流预测：ARIMAX建模的评估

迄今为止，短期高速公路交通流预测工作主要集中在基于感兴趣地点的先前观测的预测上。这种单变量预测对某些类型的智能交通系统（ITS）预测非常有用，例如系统入口点的运营需求预测。此外，上游传感器的数据应该能改善下游地点的预测。这促使我们研究包括上游传感器数据的多变量预测模型。一个候选模型是具有自回归积分滑动平均误差的传递函数，通常称为ARIMAX模型。ARIMAX模型应用于法国的高速公路数据，该数据曾是先前交通流预测研究的主题。结果表明，ARIMAX模型的预测性能优于单变量预测模型。然而，在广泛使用ARIMAX模型进行ITS预测之前，必须解决几个问题。这些问题包括模型规格、估计和维护的复杂性增加；模型一致性；在上游数据序列中出现中断时模型的鲁棒性；以及上游和下游观测之间的交叉相关性变化。最后一个问题至关重要，因为ARIMAX模型假设传递函数参数是恒定的，而上游和下游观测之间的相关性会随着交通状况的变化而变化，特别是交通流速。因此，需要进一步研究以探讨模型的扩展和改进，以提供一个可推广、自调节的多变量预测模型，该模型易于实施并有效地模拟上游到下游的变化相关性.