[發明專利]一種基于函數型主成分分析的實時行程時間計算方法

有效

• 申請號: 201710607411.0
• 申請日: 2017-07-24
• 公開（公告）號: CN107688556B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 陳燦;鐘任新;羅佳晨;蔡恒興;黃云萍
• 申請（專利權）人: 中山大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F30/27;G06Q10/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

本發明公開了一種基于函數型主成分分析的實時行程時間計算方法，本發明方法通過FPCA方法處理高維且密集的觀測數據，相較于傳統的PCA分析，此方法避免了大型維度的數據矩陣運算，避免了維數災難，提高了計算機運算效率；并從交通流傳播規律出發，采用嵌套式延遲模型預測路徑行程時間分布，從而對于交通事件下的行程時間預測也能取得理想的結果；對整體行程時間的預測計算上采用滾動式預測模型，有效的利用實時數據進行預測，從而使得結果更具有實時性、精準性。本發明作為一種基于函數型主成分分析的實時行程時間計算方法可廣泛應用于交通領域。

技術領域

本發明涉及交通領域，尤其是一種基于函數型主成分分析的實時行程時間計算方法。

背景技術

交通問題一直是阻礙城市發展的一大障礙。隨著“智慧城市”這一理念提出，智能交通系統成為緩解城市交通問題的一個重要手段。智能交通系統是將先進的信息技術、數據通訊傳輸技術、電子傳感技術、控制技術及計算機技術等有機得結合起來，為管理者提供有效的交通控制策略，為出行者提供實時的交通狀況信息。而發布實時準確的行程時間能大幅提高智能交通系統的服務質量，從而在很大程度上緩解交通擁堵，提到道路安全和效率、減少汽車排放量。因此，行程時間的預測一直是研究的熱點。

ARIMA(自回歸求積移動平均)模型現有的普遍應用于時間序列預測得一種方法。下面介紹下利用ARIMA如何預測行程時間：

ε(t)＝{e(t),e(t-1),...,e(t-n)},n＝1,2,.... (2)

Θ_q(B)＝1+φ₁B+φ₂B²+…+φ_qB^q (4)

式中Y(t)＝{y(t),y(t-1),...,y(t-n)},n＝1,2,...，是{Y(t)}的d次差分，B為后移算子，p為自回歸系數，q為滑動平均系數，e(t)是均值為0的白噪聲。

參照圖1，ARIM模型建立分為四步：

(1)ARMIA模型的判別：首先通過自相關函數和偏相關函數圖來判斷原來數據的大致性質，并且初步定下p和q的值；

(2)然后再預估模型里的其他參數；

(3)模型測試是為了測試p、q的值是否合理。如果不能通過模型測試，需要對模型重新判別；

(4)利用已經訓練好的模型來進行預測。

ARIMA模型是一種參數模型，它不能處理復雜、強非線性數據，容易造成維數災難。雖然此模型在正常的交通狀態下有較好的預測效果，但當發生交通事件時，這種模型的預測效果并不理想。

發明內容

為了解決上述技術問題，本發明的目的是：提供一種基于函數型主成分分析的能處理非常密集、維數較高的觀測數據，且能根據實時的交通數據實現交通的實時監控，并精準的預測交通事件下的行程時間的計算方法。

本發明所采用的技術方案是：一種基于函數型主成分分析的實時行程時間計算方法，包括有以下步驟：

將一段路程分為多個路段，根據歷史行程時間數據和實時數據,利用函數型主成分分析算法計算得到每個路段對應的預測行程時間均值和方差；

根據每個路段對應的預測行程時間均值和方差，利用嵌套式延遲算法計算得到路程的總行程時間的概率分布；

將當前時間和待預測行程時間均向前移動一個滾動步長時間，重新執行上述步驟。