[發明專利]一種道路交通流量采集及預測方法

無效

• 申請號: 201110439431.4
• 申請日: 2011-12-24
• 公開（公告）號: CN102496284A
• 公開（公告）日: 2012-06-13
• 發明（設計）人: 李志敏;易良友;黃凱梁;劉林佳
• 申請（專利權）人: 重慶大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 康海燕

1.一種道路交通流量采集與預測方法，包含交通流量采集和交通流量數據預處理與預測兩部分，其特征在于：

(1)交通流量采集：

將道路交通流量采集裝置中的環形感應線圈通過饋線與車輛檢測模塊的輸入端相連，車輛檢測模塊的輸出通過RS-485串口與交通流量采集模塊的輸入相連，并得到道路交通流量數據；交通流量采集模塊的輸出通過RJ-45網絡接口與上位機(PC機)相連，將采集到的交通流量提供給上位機進行數據預處理及交通流量的預測。

(2)交通流量數據預處理與預測：在上位機中，預處理模塊采用小波分析結合最小二乘法實現對采集數據中的異常數據進行剔除；預測模塊采用改進的BP神經網絡算法實現對交通流量的預測：

a)交通流量數據預處理：首先將采集到的交通流量數據進行二層DB4小波分解，把分解后的二層低頻分量進行完全重構，以此重構序列為依據，作為異常數據剔除的基準線：然后將原始交通流量序列與基準線即重構序列求得絕對差值序列，再結合最小二乘法找出絕對差值序列中出現異常的位置定為原始交通流量序列的異常點，使用原始數據中的前后平均值加以修復；

b)交通流量預測：采用變步長算法彌補傳統BP神經網絡的缺陷，對傳統的BP神經網絡進行改進，在改進的BP神經網絡中，以預測斷面自身的歷史數據為BP神經網絡的輸入，預測斷面的下一個時段的流量為輸出來訓練網絡，將訓練好的網絡作為交通流量預測模型。

2.根據權利要求1所述的道路交通流量采集與預測方法，其特征在于：所述車輛檢測模塊依據實際路口的車道數通過饋線連接相應個數的環形感應線圈。

3.根據權利要求1所述的道路交通流量采集與預測方法，其特征在于：交通流量采集模塊依據實際路口的車道數通過RS-485串口連接相應個數的車輛檢測模塊。

4.根據權利要求1所述的道路交通流量采集與預測方法，其特征在于：道路交通流量采集裝置可將采集到的交通流量數據按規定周期存儲在大容量SD卡中，為后期的交通流量數據處理、預測提供方便。

5.根據權利要求1所述的交通流量數據預處理方法，其特征在于所述交通流量數據預處理的具體方法是：

將采集的交通流量數據作為一個序列S，用DB4小波進行分析，對其進行二層小波分解；將分解后的二層低頻分量a₂進行完全重構；以重構序列S_rec為依據，用原始序列與其求得一個絕對差值序列d：

d(i)＝S(i)-S_rec(i)，i＝1，2，…，N????(1)

再使用最小二乘法找出這個差值序列中的異常數據位置，先求出差值序列的標準差σ：

σ={Σi=1N[d(i)-1NΣj=1Nd(j)]2}/(N-1),i,j=1,2,...,N----(2)]]>

式中，N表示序列中數據的總個數。

最后，以式(3)來判定數據中的異常數據：

|d(i)|_max≤3σ，i＝1，2，…，N????(3)

將該序列出現異常的位置定為原始數據數據出現異常數據的位置。

6.根據權利要求1所述的交通流量數據預處理方法，其特征在于所述交通流量預測的具體方法是：

以步長η算法來彌補傳統BP神經網絡的缺陷，在訓練過程中，當網絡誤差e增大，減小步長以減小誤差，誤差膨脹系數α取值為0.8。

η(n)＝α×η(n-1)(4)

式中，η(n)表示第n次迭代時的步長。

當網絡誤差減小時，增大步長以加快收斂速度，誤差收縮系數β取值為1.25。

η(n)＝β×η(n-1)(5)

以預測斷面的5個歷史數據為BP神經網絡的輸入，預測斷面下一個時段的流量值為網絡的輸出，對網絡進行訓練；網絡訓練好后，以預測前的5個歷史數據為輸入，以網絡響應值作為流量預測值。