[發明專利]一種基于時空關聯的動態交通流預測方法

有效

• 申請號: 201410272800.9
• 申請日: 2014-06-18
• 公開（公告）號: CN104064023A
• 公開（公告）日: 2014-09-24
• 發明（設計）人: 李建元;李丹;陳濤;倪升華;王浩
• 申請（專利權）人: 銀江股份有限公司
• 主分類號: G08G1/00
• 分類號: G08G1/00;G06Q10/04
• 代理公司: 杭州之江專利事務所(普通合伙) 33216
• 代理人: 張慧英

1.一種基于時空關聯的動態交通流預測方法，其特征在于包括：

1)通過布局在微波路段上的數據采集設備采集歷史交通流量數據、預測當日間隔時間為T的交通流量數據；

2)交通流量數據進行預處理，根據設置閾值清洗無關數據，并對缺失數據進行數據補插；

3)以數據采集時間為縱軸，微波路段為橫軸，構建交通流數據時空矩陣；

4)進行基于近鄰局部線性重構的交通流數據時空矩陣訓練，找到預測用的權值矩陣和測試樣本近鄰；

5)對權值矩陣進行非負修正，建立近鄰線性正加權的權值矩陣；

6)根據權值矩陣和測試樣本近鄰進行交通流量預測，預測公式為：其中：X_ij為測試樣本X_i的第j個近鄰，w_ij為樣本X_i的第j個近鄰的權值，K′為權值矩陣長度，K′小于測試樣本近鄰個數；

7)將預測的交通流量數據與真實數據進行對比，得到預測誤差；

8)將預測值加入交通流數據時空矩陣，并去掉最早時刻的流量值，組合形成新的交通流數據時空矩陣，重復步驟4)。

2.根據權利要求1所述的一種基于時空關聯的動態交通流預測方法，其特征在于，所述交通流量數據預處理包括以下步驟：

2.1)數據清洗：T分鐘內車道流量大于300的數據替換為歷史上該時間點流量數據的平均值；

2.2)缺失值插補：對于某微波路段上T分鐘時間槽數據的缺失，利用線性規劃方法：

min||x||₁ st. Ax＝y(2)

其中,矩陣A的列表示歷史上完整的T分鐘時間槽內的各微波路段流量，向量y表示存在缺失的T時間槽各路段流量的非缺失部分，x表示A中各列向量在線形重構y時的系數向量，求解得到的x為稀疏向量。

3.根據權利要求1所述的一種基于時空關聯的動態交通流預測方法，其特征在于，所述步驟4)中基于近鄰局部線性重構的交通流數據時空矩陣訓練，具體包括以下步驟：

4.1)以預測時間點交通流量數據為測試樣本，該時間點之前時刻以及歷史時間的交通流數據為訓練樣本，以不同微波路段數據為基礎，計算訓練樣本與測試樣本在時空關聯下的歐式距離，找出K個距離最小的訓練樣本作為測試樣本的K個近鄰；兩個向量間的歐氏距離如下所示：

其中n為向量長度，X_i為測試樣本，x_i和y_i分別為向量X和Y中的元素；

4.2)計算權值矩陣：

建立誤差最小化函數：其中，X_i為測試樣本，N為樣本總數，X_ij為測試樣本X_i的第j個近鄰，近鄰總數為K，w_ij為樣本X_i的第j個近鄰的權值。樣本的局部協方差矩陣為：C_jk(i)＝(X_i-X_ij)^T(X_i-X_ik)(5)，是一個KxK的矩陣，對其進行正則化處理得到C_jk(i)＝C_jk(i)+rI(6)，其中I為KxK的單位矩陣，r為正則化系數；根據局部協方差矩陣可得到權值：

wj=Σk=1K(Cjk)-1Σm=1KΣn=1K(Cmn)-1---(7)]]>

4.根據權利要求1所述的一種基于時空關聯的動態交通流預測方法，其特征在于，所述間隔時間T為5分鐘。