[發明專利]針對無差異性劃分和數據稀疏的動態短時交通流預測系統

有效

• 申請號: 201810582086.1
• 申請日: 2018-06-07
• 公開（公告）號: CN108898829B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 劉宴兵;程川云;劉浩宇;肖云鵬;朱萌鋼;朱耀堃
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q50/26;G06Q10/04;G06F16/215;G06F16/28;G06F16/2458
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

1.一種針對無差異性劃分和數據稀疏的動態短時交通流預測系統，其特征在于，包括：

數據源獲取模塊，用于獲取在不同時間點某路口的過車記錄以及車輛信息；

路口相關性分析模塊，根據獲得數據源的交通流信息，得到預測路口在同一時間周期下的短時交通流時間序列短時交通流數據，采用層次聚類法，其主要思想是，先把每一個樣本點看成一個聚類，然后不斷重復的將其中最近的兩個聚類合并，直到滿足迭代終止條件，設置距離閾值，度量交通流相似性，加強預測路口內部相關性；

短時交通流張量預測模型構建模塊，結合時間維度、空間維度、時間周期維度，根據不同的周期維度建立不同的張量模型，從多個角度挖掘交通流變化趨勢，根據路口相關性分析得到的強相關性路口，構建基于“路口-X-時段”的短時交通流張量預測模型，將預測路口的短時交通流數據填充進張量模型，基于較強相似性的交通流數據的分析提高了張量模型的泛化能力；

預測和分析模塊，利用構建的短時交通流預測張量模型對交通數據進行分析，通過引入滑動窗口，使構建的張量成為在時間序列上的動態張量流，利用張量分解的數據壓縮和維度轉換特性，通過對缺失值的逐次迭代，優化處理過程，結合交通流張量在時間上的動態特性，利用動態張量分解實現路口短時交通流的預測；

所述路口相關性分析模塊分為路口短時交通流的獲得和對交通流的相似性度量，具體包括：

S21：空間路口選定，根據路口的空間關聯性，根據獲得數據選定區域相關的m個路口；

S22：提取路口在時間周期下的短時車流量數據，選取高密度車流量時間段，利用層次聚類，設定距離閾值，對交通流數據進行相似性劃分，實現對路口的相關性分析；

所述S22選取高密度車流量時間段，利用層次聚類，設定距離閾值，對交通流數據進行相似性劃分，具體包括：

S221：獲取路口在時間周期上的短時車流量時間區域[t₀,t_n],其中t₀表示路口車流量的起始時間，t_n表示路口車流量的截止時間，然后在路口車流量的時間區域內進行短時段分片，根據交通流特點，對時間區域進行具體劃分T＝{1,2,3,…,t,…n}，從獲得的交通數據中，得到各個路口的交通流時間序列v_i＝[x_i1,x_i2,x_i3…x_in]，其中x_in表示第i個路口在第n個時間段內的車流量，構建交通流序列矩陣V_m×n＝[v₁ v₂…v_m]^T；

S222：根據以上得到的交通流序列矩陣，以歐氏距離度量相似性，計算：

其中d_ij表示第i個時間序列和第j個時間序列之間的歐式距離，利用層次聚類，設定歐氏距離閾值p，得到交通流序列間歐式距離小于閾值且屬于一類的交通流序列cluster(v_i∈(Euclidean distancep))，p表示閾值。

2.根據權利要求1所述的針對無差異性劃分和數據稀疏的動態短時交通流預測系統，其特征在于，所述數據源獲取模塊，用于獲取在不同時間點某路口的過車記錄以及車輛信息，具體包括：

S11：獲取數據，各路口在不同時間點的過車數據，包括過車方向，過車車牌，路口名稱與位置；

S12：預處理原始數據；對數據源重復數據、無效數據進行清洗。

3.根據權利要求1所述的針對無差異性劃分和數據稀疏的動態短時交通流預測系統，其特征在于，所述短時交通流張量預測模型的構建主要分為以下兩個步驟；

S31：結合交通流數據的多維特性，引用張量分解在數據維度轉換和數據壓縮的特性，建立張量模型“路口-X-時段”來表征交通流數據，其中X為時間周期的表示，是可變的；

S32：根據確定的三個維度，獲得相應維度下的交通流數據，該模型的初始填充值是路口在確定維度下的短時車流量，三階張量其中I₁表示路口維度個體數量即路口數，I₂表示可變參數X維度個體數量，I₃表示時段維度個體數量。