[發明專利]一種結合周相似特性的分形交通流預測方法

無效

• 申請號: 200810061457.8
• 申請日: 2008-07-11
• 公開（公告）號: CN101290713A
• 公開（公告）日: 2008-10-22
• 發明（設計）人: 董紅召;徐建軍;陳寧;郭明飛;吳方國;溫曉岳
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 杭州天正專利事務所有限公司
• 代理人: 王兵;王利強

技術領域

本發明涉及智能交通系統，尤其是一種交通流預測方法。

背景技術

短時交通流預測中使用廣泛的模型有：計量模型、神經網絡模型、動態交通分配模型以及非線性系統理論模型。交通系統是人參與的、時變的復雜系統，傳統的計等量模型(數理統計模型)已經不適應短時交通流的預測精度。人工神經網絡對非線性系統的預測具有很好的適應性，但是運用神經網絡需要大量樣本對模型進行訓練，推廣能力較差。動態交通分配模型主要目的是對路網上的交通流進行合差理分配，模型中所進行的預測的實時性較差，精度不高。而非線性系統理論包括了分形理論和相空間重構等非線性科學，一些學者所做的研究主要集中在用相空間理論、混沌理論等對交通流的預測，并且取得了較高的預測精度，但是實時性較差。

發明內容

為了克服已有的交通流預測方法的實時性較差、預測精度不高的不足，本發明提供一種實時性好、預測精度高的結合周相似特性的分形交通流預測方法。

本發明解決其技術問題所采用的技術方案是：

一種結合周相似特性的分形交通流預測方法，所述預測方法包括以下步驟：

1)、以周為周期的不同工作日的交通流數據，將交通流數據進行分組，組成設定時間段下的同一路口不同方向上的交通流序列，表示為：

{Ni}＝{N1，N2，N3，...Nn}

{N1i}＝{N11，N12，N13，...，N1n}(i＝1，...，n)

{N2i}＝{N21，N22，N23，...，N2n}(i＝1，...，n)

{N3i}＝{N31，N32，N33，...，N3n}(i＝1，...，n)

…

{Nmi}＝{Nm1，Nm2，Nm3，...，Nmn}(i＝1，...，n)

其中{Ni}、{N1i}、{N2i}、{N3i}...{Nmi}分別代表當前時刻前設定時間到當前時刻的交通流量序列、一周前該時間段的交通流量序列、兩周前該時間段的交通流量序列、三周前該時間段的交通流量序列...m周前該時間段的交通流量序列，n、m均為自然數，其中m≥3；

2)、提取當前時刻前設定時間到當前時刻的交通流量序列{Ni}，初始化n＝1，進行n階累計計算得到{Si}，{Sn_i}(i＝1，...，n)＝N(A，ε)_i，根據下式(2)計算：

D≈lnN(A,ϵ)-lnCln(1/ϵ)---(2)]]>

設定分形維數的下限d，若經過多階累計后計算得出的分形維數的D＞d，則停止進行累計，并且以所得到的D求取常數C的值，然后將得到的D和C代入公式(3)求得{Sn}_n+1，

N(A，ε)＝C/f(1/ε)^D????????????????????????(3)

根據累計的階數n對所得到的{Sn}_n+1進行n次往回迭代，得到的值即為N(A，ε)_i+1；

3)、根據一周前該時間段的交通流量序列、兩周前該時間段的交通流量序列、三周前該時間段的交通流量序列...m周前該時間段的交通流量序列，分別進行步驟2)的計算，得到各自的預測數據，依照公式(10)計算得到誤差修正后的預測流程：

Q(t+1)＝Q′(t+1)+K₁[Q₁(t+1)-Q′₁(t+1)]+K₂[Q₂(t+1)-Q′₂(t+1)]??????(10)