[發明專利]一種基于時空特性分析的短時交通流預測方法

有效

• 申請號: 201810377482.0
• 申請日: 2018-04-25
• 公開（公告）號: CN108492568B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 鮑楠;浦慈
• 申請（專利權）人: 南京郵電大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

本發明涉及一種基于時空特性分析的短時交通流預測方法，應用于道路交通管理，是智能交通系統的核心部分，主要涉及交通流量采集預處理，數據樣本優化，交通流量預測三大核心技術部分。交通流量采集預處理技術提供歷史實驗數據，存儲預測數據和導入實時對比數據；數據樣本優化技術，通過交通流量時空相關特性，采用OPTICS聚類方法處理，得到高質量的訓練集樣本；交通流量預測技術，基于訓練樣本構建以SVM為載體的的短時交通流預測模型，通過BFOA算法優化其中的關鍵參數提高模型性能，實現實時準確的短時交通流量預測，便于道路交通管理系統有效分配利用道路資源，改善交通擁堵，提高運行效率，方便居民出行。

技術領域

本發明涉及一種基于時空特性分析的短時交通流預測方法，屬于城市智能交通管理技術領域。

背景技術

隨著城市化進程加快，智能交通管理技術愈發廣泛的應用于城市道路交通治理和車輛運輸疏導、居民出行規劃等實際工程當中，使得交通運輸和居民出行逐步走向智能化，動態化和信息化。而該技術的核心基礎部分便是短時交通流量的動態分析與預測，此項技術在交通工程領域發揮了不可或缺的作用。實時交通流量的精準預測為交通管理和指導提供了很大的便益，使智能交通系統充分發揮出其高效，方便，快捷的現實作用，智能選擇合適路徑，規避交通擁塞，減少居民用戶出行損耗，最大程度減緩交通環境壓力，合理分配道路資源。

短時交通流預測技術是要預測目標時段，路段或路徑上未來的交通狀況，時間間隔短，要求預測值與實際流量差值盡可能小，便于車輛管理和調控。此項技術話題一直十分活躍卻難以取得突破性的進展，原因在于交通流過程是時變的，不同的空間位置、道路環境、時間段下，其狀態特征存在巨大差異，難以準確把握。所以此項技術僅憑單一理論預測方法無法成功，需在把握交通流量內在聯系與特性的基礎上，建立高效的預測模型，方能取得不錯的實際預測效果。

迄今為止，世界各國學者致力于研究短時交通流量預測技術，通過努力，斬獲眾多理論成果，并將之運用于實際工程，不斷推陳出新。包括如Kalman濾波法、時間序列法、神經網絡法、支持向量機等。由于基于單一模型的預測方法都存在缺陷，國內外學者研究了很多基于組合理論的預測方法，如灰色神經網絡預測方法、基于小波包和最小二乘支持向量機的預測方法、基于蟻群優化支持向量機的預測方法等。然而，交通流預測質量主要取決于兩個問題：一、數據來源的質量問題，二、交通流預測模型的缺陷問題。

發明內容

本發明所要解決的技術問題是提供一種基于時空特性分析的短時交通流預測方法，通過提高實驗數據質量和優化參數改善預測模型，不僅提高預測模型的可行性和有效性，而且提高短時交通流預測的精確度，實現智能交通系統實時準確的交通流預測。

本發明為了解決上述技術問題采用以下技術方案：本發明設計了一種基于時空特性分析的短時交通流預測方法，用于實現目標道路的交通流量預測，包括如下步驟：

步驟A.獲得目標道路指定歷史時間區間內的實時交通流量，然后進入步驟B；

步驟B.針對目標道路指定歷史時間區間內實時交通流量，進行預處理操作，獲得目標道路指定歷史時間區間內各個時間節點對應的交通流量，然后進入步驟C；

步驟C.將目標道路所對應指定歷史時間區間內各個時間節點的交通流量，作為各個數據樣本點，并針對各個數據樣本點，進行維度空間坐標轉換，獲得各個數據樣本點分別所對應的維度空間坐標，然后進入步驟D；

步驟D.基于各個數據樣本點分別所對應的維度空間坐標，針對各個數據樣本點進行聚類處理，獲得各個聚類簇，然后進入步驟E；

步驟E.根據各個聚類簇，獲得目標路段分別對應各聚類時間節點的交通流量，然后進入步驟F；