[發明專利]短時交通流變化預測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201811220472.2
• 申請日: 2018-10-19
• 公開（公告）號: CN109377752A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 王濤;黎文皓;李文勇
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F17/50
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

1.一種短時交通流變化預測方法，其特征在于，所述方法包括如下步驟：

實時獲取預測路段的交通流量數據；

基于所述交通流量數據，構建帶遺忘因子的交通流預測模型；

基于粒子濾波算法，消除所述交通流預測模型的隨機噪聲，獲得并輸出最優的短時交通流量變化預測值。

2.如權利要求1所述的短時交通流變化預測方法，其特征在于，所述實時獲取預測路段的交通流量數據的步驟，具體為：

實時獲取預測路段的浮動車數據；

根據預設的算法，將所述浮動車數據解析成交通流量數據。

3.如權利要求1所述的短時交通變化流預測方法，其特征在于，所述基于所述交通流量數據，構建帶遺忘因子的交通流預測模型的步驟，包括：

基于給定的N個不同的交通流量數據訓練樣本，建立交通流量預測極限學習機模型；

每當檢測到有新的交通流量數據輸入所述極限學習機模型時，對歷史的交通流量數據加入遺忘因子，并構建帶遺忘因子的連續的非線性時間的交通流預測模型。

4.如權利要求1所述的短時交通流變化預測方法，其特征在于，所述基于粒子濾波算法，消除所述交通流預測模型的隨機噪聲，獲得并輸出最優的短時交通流量變化預測值的步驟，包括：

從交通流量預測目標狀態中提取出交通流量粒子集；

基于粒子濾波算法，對所述交通流量粒子集的權值進行更新和歸一化，并進行狀態估計后輸出最優的短時交通流量變化預測值。

5.如權利要求4所述的短時交通流變化預測方法，其特征在于，所述基于粒子濾波算法，對所述交通流量粒子集的權值進行更新和歸一化，并進行狀態估計后輸出最優的短時交通流量變化預測值的步驟，包括：

判斷當前是否獲取到新的交通流量數據；

若是，則根據預設的算法計算所述交通流預測模型中的有效粒子數；

判斷所述有效粒子數是否滿足預設的重新抽樣條件；

若是，則進行重新抽樣形成新的交通流量粒子集，對所述交通流量粒子集的權值進行更新和歸一化，并進行狀態估計后輸出最優的短時交通流量變化預測值。

6.一種短時交通流變化預測裝置，其特征在于，所述裝置包括：

數據獲取單元，用于實時獲取預測路段的交通流量數據；

交通流預測模型構建單元，用于基于所述交通流量數據，構建帶遺忘因子的交通流預測模型；以及短時交通流量變化預測值輸出單元，用于基于粒子濾波算法，消除所述交通流預測模型的隨機噪聲，獲得并輸出最優的短時交通流量變化預測值。

7.如權利要求6所述的短時交通流變化預測裝置，其特征在于，所述交通流預測模型構建單元，包括：

交通流量預測極限學習機模型建立模塊，用于基于給定的N個不同的交通流量數據訓練樣本，建立交通流量預測極限學習機模型；以及交通流預測模型構建模塊，用于每當檢測到有新的交通流量數據輸入所述極限學習機模型時，對歷史的交通流量數據加入遺忘因子，并構建帶遺忘因子的連續的非線性時間的交通流預測模型。

8.如權利要求6所述的短時交通流變化預測裝置，其特征在于，所述短時交通流量變化預測值輸出單元，包括：

交通流量預測目標狀態構造模塊，用于通過所述交通流預測模型構造交通流量預測目標狀態；

交通流量粒子集提取模塊，用于從所述交通流量預測目標狀態的先驗概率密度函數中提取出交通流量粒子集；以及短時交通流量變化預測值輸出模塊，用于基于粒子濾波算法，對所述交通流量粒子集的權值進行更新和歸一化，并進行狀態估計后輸出最優的短時交通流量變化預測值。

9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行權利要求1至5中任一項權利要求所述短時交通流變化預測方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行權利要求1至5中任一項權利要求所述短時交通流變化預測方法的步驟。