一种基于ARMA-GARCH-VaR模型的交通流量风险评估方法

本发明涉及大数据交通领域对交通流量风险进行评估、分析和管理，特别是一种基于arma-garch-var模型的交通流量风险评估方法。

背景技术：

1、随着城市化步伐的加速，交通流量作为评估城市交通状况的重要指标，其管理与预测已成为城市交通规划和管理中的关键课题。由于交通流量受到多种复杂因素的影响，如天气条件、节假日、特殊事件以及道路工程等，其波动性和不确定性较大，给交通流量预测和管理带来了较大的挑战。

2、var(风险价值)模型在金融领域已广泛应用于风险评估，它能够在指定的置信水平下，预测出投资组合可能遭遇的最大损失。然而，由于交通流量的特性与金融市场存在显著差异，尤其是流量模式、波动特性以及受外部因素影响的程度等，直接将var模型应用于交通流量风险的评估往往不能取得满意的效果。此外，尽管一些研究尝试使用arma(自回归移动平均模型)和garch(广义自回归条件异方差模型)等统计模型来预测交通流量，但这些模型多数只考虑了流量的时间序列特性，忽略了交通流量的波动性对预测结果的影响。因此，如何将这些模型与var模型有效结合，创新性地应用于交通流量风险的评估，便成为了一个亟待解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于arma-garch-var模型的交通流量风险评估方法，能够综合考虑交通流量序列的各项关键特征，实现对交通流量风险的更准确测度。

2、为实现上述目的，本发明采用如下技术方案：一种基于arma-garch-var模型的交通流量风险评估方法，包括以下步骤：

3、步骤s1，数据获取：收集交通流量历史数据及其变化率；

4、步骤s2，数据处理：将步骤s1获取的样本数据进行数据预处理，提取需要的列属性交通量和日期；通过公式以及volatility(t)＝|change(t)|计算交通流量变化率和及其波动率；分割处理好的时间序列为训练样本集与测试样本集；

5、步骤s3，数据分析与模型构建：针对交通流量数据的复杂性和不确定性以及现有技术中的缺陷，结合传统有效的时间序列分析方法中的自回归移动平均模型arma，与广义自回归异方差模型garch进行耦合；首先，利用时间序列平稳性检验adf判断所述交通流量变化率序列是否平稳，adf检验的原假设是存在单位根，如果获得的显著性检验统计量小于三个置信水平即10％、5％、1％，则有相应的置信度来拒绝原假设，表明序列数据稳定，满足建立garch模型的条件；

6、步骤s4，建立arma(p，q)模型对所述交通流量变化率序列进行拟合并建模，其中p和q为模型阶数；

7、步骤s5，建立garch(m，s)模型对所述交通流量变化率序列进行拟合并建模分析加密货币的波动性，其中m和s为模型阶数；

8、步骤s6，根据方差-协方差法计算var值，以评估交通流量的价值风险水平。

9、在一较佳的实施例中，所述的交通流量为车流量。

10、在一较佳的实施例中，所交通流量变化率序列经adf检验后确定为平稳序列。

11、在一较佳的实施例中，所述的arma(p，q)模型阶数通过自相关图和偏自相关图确定，进一步确定交通流量变化率的时间依赖性。

12、在一较佳的实施例中，所述的garch(m，s)模型阶数通过自相关图和偏自相关图确定，进一步确定交通流量变化率的波动程度。

13、在一较佳的实施例中，使用var模型计算交通流量的风险，进一步确定交通流量波动的潜在影响；采用方差-协方差法计算var，如果交通流量变化率序列服从正态分布，则相应的var计算公式为var＝pt-1zασt，其中，var为t日的风险值，σ是方差，zα是置信水平，α是对应的分位数，pt-1是t-1天的流量变化率。

14、在一较佳的实施例中，包括对不同交通路径的交通流量风险进行评估，根据arma-garch-var模型的结果，对不同交通路径的风险进行排序，帮助交通管理者或者使用者进行决策。

15、在一较佳的实施例中，还包括：

16、利用kupiec检验验证所述var值的准确性，在给定显著性水平α时，实际检验天数为n，失败天数为x，失败率为期望失败概率为1-α；在原假设的条件下，引入如下lr统计量：

17、lr＝-2*ln((1-α)n-x*αx)+2*ln((l-p)n-x*px)；若lr的值在置信区间内，则说明模型预测结果较准确，若lr值在置信区间左边区域，则说明预测损失高于实际损失，lr值在置信区间右边，则说明预测损失低于实际损失。

18、在一较佳的实施例中，var值越大，表明交通流量风险越大，需要投入更多的交通管理资源来保障交通的顺畅；var值越小，表明交通流量风险越小，可以相应减少对该区域或者时间段的交通管理资源投入。

19、在一较佳的实施例中，对交通流量的风险评估帮助交通管理者在交通管制、道路设计、交通流量预测以及交通安全等方面做出更为合理的决策。

20、与现有技术相比，本发明具有以下有益效果：

21、1、通过建立arma-garch模型框架，能够同时对交通流量的增长率序列和波动率序列进行拟合，全面反映交通流量序列特征，评估结果更准确。拟合优度测试显示，本技术方案的var预测失败率接近于预设的置信水平5％；

22、2、采用方差-协方差法计算var，能够直观反映交通流量的风险大小，便于交通规划部门进行风险管理；

23、3、评估结果表明，三个主干道路的交通流量风险水平有所不同，这为城市的交通规划提供理论依据；

24、4、通过kupiec后验检验，验证了本模型在交通流量风险评估中的效果，为交通规划部门选择和防范风险提供定量分析。

技术特征：

1.一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，所述的交通流量为车流量。

3.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，所述交通流量变化率序列经adf检验后确定为平稳序列。

4.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，所述的arma(p，q)模型阶数通过自相关图和偏自相关图确定，进一步确定交通流量变化率的时间依赖性。

5.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，所述的garch(m，s)模型阶数通过自相关图和偏自相关图确定，进一步确定交通流量变化率的波动程度。

6.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，使用var模型计算交通流量的风险，进一步确定交通流量波动的潜在影响；采用方差-协方差法计算var，如果交通流量变化率序列服从正态分布，则相应的var计算公式为var＝pt-1zασt，其中，var为t日的风险值，σ是方差，zα是置信水平，α是对应的分位数，pt-1是t-1天的流量变化率。

7.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，包括对不同交通路径的交通流量风险进行评估，根据arma-garch-var模型的结果，对不同交通路径的风险进行排序，帮助交通管理者或者使用者进行决策。

8.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于还包括：

9.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其特征在于，var值越大，表明交通流量风险越大，需要投入更多的交通管理资源来保障交通的顺畅；var值越小，表明交通流量风险越小，可以相应减少对该区域或者时间段的交通管理资源投入。

10.根据权利要求1所述的一种基于arma-garch-var模型的交通流量风险评估方法，其中，对交通流量的风险评估帮助交通管理者在交通管制、道路设计、交通流量预测以及交通安全等方面做出更为合理的决策。

技术总结本发明涉及交通运输领域中的一种基于ARMA‑GARCH‑VaR模型的交通流量风险评估方法。该方法包括：S1、收集并规整交通流量数据，提取交通量变化率和波动率序列；S2、利用自回归移动平均‑总体自回归条件异方差（ARMA‑GARCH）模型对交通流量变化率和波动率序列进行建模和预测不同交通路径的交通流量波动性；S3、采用方差‑协方差法在给定置信水平下计算不同交通路径的交通流量风险（VaR）；S4、对模型进行回测验证，并对不同交通路径进行风险评估和排序。本发明采用了ARMA‑GARCH模型框架对交通流量数据进行建模，并通过引入VaR风险值进行交通流量风险分析。实验结果表明，本研究所提出的方法可以有效评估交通流量风险，为交通管理者提供参考。技术研发人员：周赵斌,黄永榕,陈志德,王慧情受保护的技术使用者：福建师范大学技术研发日：技术公布日：2024/6/18