[發(fā)明專利]一種基于時(shí)空關(guān)聯(lián)的動(dòng)態(tài)交通流預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410272800.9
• 申請(qǐng)日: 2014-06-18
• 公開（公告）號(hào): CN104064023A
• 公開（公告）日: 2014-09-24
• 發(fā)明（設(shè)計(jì)）人: 李建元;李丹;陳濤;倪升華;王浩
• 申請(qǐng)（專利權(quán)）人: 銀江股份有限公司
• 主分類號(hào): G08G1/00
• 分類號(hào): G08G1/00;G06Q10/04
• 代理公司: 杭州之江專利事務(wù)所(普通合伙) 33216
• 代理人: 張慧英

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種基于時(shí)空關(guān)聯(lián)的動(dòng)態(tài)交通流預(yù)測(cè)方法。

背景技術(shù)

隨著社會(huì)的發(fā)展和經(jīng)濟(jì)的增長(zhǎng)，城市交通擁堵現(xiàn)象愈發(fā)嚴(yán)重。為了有效調(diào)控交通流量，優(yōu)化道路的使用效率，智能交通系統(tǒng)成為人們關(guān)注的重點(diǎn)，并隨著研究的深入逐步智能化、動(dòng)態(tài)化和信息化。作為智能交通系統(tǒng)的重要組成部分，車輛誘導(dǎo)系統(tǒng)已成為交通管理部門疏導(dǎo)道路交通的有效途徑，而其關(guān)鍵技術(shù)是對(duì)道路交通狀況的預(yù)測(cè)，即有效利用歷史交通數(shù)據(jù)和實(shí)時(shí)交通數(shù)據(jù)對(duì)未來(lái)時(shí)刻道路的交通流量進(jìn)行動(dòng)態(tài)預(yù)測(cè)。交通流量預(yù)測(cè)主要包括兩個(gè)部分：建立交通流量歷史數(shù)據(jù)庫(kù)和構(gòu)建預(yù)測(cè)模型。通過(guò)對(duì)歷史數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理并利用預(yù)測(cè)模型提供的算法對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練得出預(yù)測(cè)結(jié)果。在這兩個(gè)方面，預(yù)測(cè)模型算法是其中最難以解決的關(guān)鍵部分，它直接關(guān)系著預(yù)測(cè)結(jié)果的好壞，是交通流量預(yù)測(cè)的重點(diǎn)和難點(diǎn)。

目前對(duì)交通流量預(yù)測(cè)的方法主要有歷史平均法、神經(jīng)網(wǎng)絡(luò)模型、支持向量回歸、最小二乘法、時(shí)間序列法等。上述方法操作簡(jiǎn)單，計(jì)算方便，適合于較規(guī)律數(shù)據(jù)的預(yù)測(cè)，但對(duì)于道路模型較復(fù)雜以及交通流不穩(wěn)定導(dǎo)致的數(shù)據(jù)流無(wú)規(guī)律波動(dòng)，預(yù)測(cè)準(zhǔn)確率較低。另外，大多數(shù)方法都只是根據(jù)時(shí)間關(guān)聯(lián)性作預(yù)測(cè)，忽略了交通流量在空間路段上的關(guān)聯(lián)性，使得預(yù)測(cè)結(jié)果不夠精準(zhǔn)。因此，為了克服動(dòng)態(tài)數(shù)據(jù)的隨機(jī)起伏和波動(dòng)帶來(lái)的不穩(wěn)定預(yù)測(cè)效果以及考慮路段空間的影響，需要引入新的方法來(lái)對(duì)交通流量在時(shí)空關(guān)聯(lián)上作預(yù)測(cè)。

發(fā)明內(nèi)容

本發(fā)明為克服上述的不足之處，目的在于提供一種具有高準(zhǔn)確性、可靠性的基于時(shí)空關(guān)聯(lián)的動(dòng)態(tài)交通流預(yù)測(cè)方法。

本發(fā)明是通過(guò)以下技術(shù)方案達(dá)到上述目的：一種基于時(shí)空關(guān)聯(lián)的動(dòng)態(tài)交通流預(yù)測(cè)方法，包括：

1)通過(guò)布局在微波路段上的數(shù)據(jù)采集設(shè)備采集歷史交通流量數(shù)據(jù)、預(yù)測(cè)當(dāng)日間隔時(shí)間為T的交通流量數(shù)據(jù)；

2)交通流量數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)設(shè)置閾值清洗無(wú)關(guān)數(shù)據(jù)，并對(duì)缺失數(shù)據(jù)進(jìn)行數(shù)據(jù)補(bǔ)插；

3)以數(shù)據(jù)采集時(shí)間為縱軸，微波路段為橫軸，構(gòu)建交通流數(shù)據(jù)時(shí)空矩陣；

4)進(jìn)行基于近鄰局部線性重構(gòu)的交通流數(shù)據(jù)時(shí)空矩陣訓(xùn)練，找到預(yù)測(cè)用的權(quán)值矩陣和測(cè)試樣本近鄰；

5)對(duì)權(quán)值矩陣進(jìn)行非負(fù)修正，建立近鄰線性正加權(quán)的權(quán)值矩陣；

6)根據(jù)權(quán)值矩陣和測(cè)試樣本近鄰進(jìn)行交通流量預(yù)測(cè)，預(yù)測(cè)公式為：其中：X_ij為測(cè)試樣X_i的第j個(gè)近鄰，w_ij為樣X_i第j個(gè)近鄰的權(quán)值，K′為權(quán)值矩陣長(zhǎng)度，K′小于測(cè)試樣本近鄰個(gè)數(shù)；

7)將預(yù)測(cè)的交通流量數(shù)據(jù)與真實(shí)數(shù)據(jù)進(jìn)行對(duì)比，得到預(yù)測(cè)誤差；

8)將預(yù)測(cè)值加入交通流數(shù)據(jù)時(shí)空矩陣，并去掉最早時(shí)刻的流量值，組合形成新的交通流數(shù)據(jù)時(shí)空矩陣，重復(fù)步驟4)。

作為優(yōu)選，所述交通流量數(shù)據(jù)預(yù)處理包括以下步驟：

2.1)數(shù)據(jù)清洗：T分鐘內(nèi)車道流量大于300的數(shù)據(jù)替換為歷史上該時(shí)間點(diǎn)流量數(shù)據(jù)的平均值；

2.2)缺失值插補(bǔ)：對(duì)于某微波路段上T分鐘時(shí)間槽數(shù)據(jù)的缺失，利用線性規(guī)劃方法：

min||x||₁ st. Ax＝y(tǒng) (2)

其中,矩陣A的列表示歷史上完整的T分鐘時(shí)間槽內(nèi)的各微波路段流量，向量y表示存在缺失的T時(shí)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(gòu)y時(shí)的系數(shù)向量，求解得到的x為稀疏向量。

作為優(yōu)選，所述步驟4)中基于近鄰局部線性重構(gòu)的交通流數(shù)據(jù)時(shí)空矩陣訓(xùn)練，具體包括以下步驟：

4.1)以預(yù)測(cè)時(shí)間點(diǎn)交通流量數(shù)據(jù)為測(cè)試樣本，該時(shí)間點(diǎn)之前時(shí)刻以及歷史時(shí)間的交通流數(shù)據(jù)為訓(xùn)練樣本，以不同微波路段數(shù)據(jù)為基礎(chǔ)，計(jì)算訓(xùn)練樣本與測(cè)試樣本在時(shí)空關(guān)聯(lián)下的歐式距離，找出K個(gè)距離最小的訓(xùn)練樣本作為測(cè)試樣本的K個(gè)近鄰；兩個(gè)向量間的歐氏距離如下所示：