[發(fā)明專利]一種基于車聯(lián)網(wǎng)大數(shù)據(jù)的交通路況預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811554221.8
• 申請日: 2018-12-19
• 公開（公告）號: CN109448381A
• 公開（公告）日: 2019-03-08
• 發(fā)明（設(shè)計）人: 闞瑞;陳桃花;程明敏;董偉;王超;陳佳
• 申請（專利權(quán)）人: 安徽江淮汽車集團(tuán)股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民;賈博雍

本發(fā)明涉及函數(shù)型非參數(shù)模型及該模型下的KNN估計方法，交通路況預(yù)測是車聯(lián)網(wǎng)大數(shù)據(jù)的有效應(yīng)用，它將助力城市交通管理，為車主出行選擇行駛路線提供有效參考。非參數(shù)回歸作為一種無參數(shù)、高精度的算法，預(yù)測效果比參數(shù)回歸更優(yōu)越，且誤差更小；同時把一段時間內(nèi)的速度值看作連續(xù)的函數(shù)曲線，從函數(shù)型數(shù)據(jù)的角度去分析；本文采用K?近鄰的估計方法，只需確定最優(yōu)窗寬等參數(shù)，就可實(shí)時預(yù)測道路流量。

技術(shù)領(lǐng)域

本發(fā)明屬于智能網(wǎng)聯(lián)技術(shù)領(lǐng)域，特別是指一種基于車聯(lián)網(wǎng)大數(shù)據(jù)的交通路況預(yù)測方法。

背景技術(shù)

車聯(lián)網(wǎng)是戰(zhàn)略性新興產(chǎn)業(yè)中物聯(lián)網(wǎng)和智能化汽車兩大領(lǐng)域的重要交集，是城市智慧交通的關(guān)鍵組成部分。車聯(lián)網(wǎng)的概念源于物聯(lián)網(wǎng)，是采用傳感器、通信網(wǎng)絡(luò)、系統(tǒng)集成等技術(shù)，實(shí)現(xiàn)人與車、車與車、車與路之間的網(wǎng)絡(luò)互聯(lián)和信息互通，通過人、車、路的智能管控，以實(shí)現(xiàn)智能交通管理，車聯(lián)網(wǎng)是將物聯(lián)網(wǎng)技術(shù)這一宏觀概念具體體現(xiàn)在車輛和現(xiàn)代交通中。大數(shù)據(jù)分析是指對規(guī)模巨大的數(shù)據(jù)進(jìn)行分析，將大數(shù)據(jù)技術(shù)應(yīng)用在車聯(lián)網(wǎng)環(huán)境中，可以對車聯(lián)網(wǎng)收集的大數(shù)據(jù)進(jìn)行分析來達(dá)到疏導(dǎo)交通，優(yōu)化交通系統(tǒng)的運(yùn)行，改善交通信息服務(wù)水平。

交通系統(tǒng)是一個有人參與的、動態(tài)的、復(fù)雜的非線性系統(tǒng)，它的顯著特點(diǎn)就是具有高度的時變性和不確定性，這種不確定性不僅有自然界的原因(季節(jié)和氣候等)，也有來自人為的原因(如交通事故、突發(fā)事件、司機(jī)的心理狀態(tài)等)。

做到實(shí)時、準(zhǔn)確的交通流預(yù)測可以實(shí)現(xiàn)交通控制、誘導(dǎo)和提供實(shí)時交通信息服務(wù)，對解決交通擁堵帶來極大的幫助。但短時交通流量預(yù)測相對于中長期預(yù)測，受隨機(jī)干擾因素影響更大，不確定性更強(qiáng)，規(guī)律性更不明顯，因此預(yù)測的難度也更大。

目前主要的短時交通流預(yù)測模型中，主要是基于參數(shù)回歸方法，例如歷史平均模型、時間序列模型、神經(jīng)網(wǎng)絡(luò)模型等。但由于交通狀況的不確定性，和參數(shù)模型相比，非參數(shù)回歸模型更加符合實(shí)際，預(yù)測效果更好。非參數(shù)回歸模型它不對數(shù)據(jù)作任何限定，不依賴于固定的模型，不需要任何先驗(yàn)知識，只需歷史數(shù)據(jù)來建立模型以選取參數(shù)，將實(shí)時數(shù)據(jù)代入模型以得出預(yù)測結(jié)果。1987年，Yakowit最早提出了將K近鄰方法應(yīng)用于時間序列預(yù)測；1991年，Davis和Nihan第一次將非參數(shù)回歸方法應(yīng)用到交通預(yù)測中。張曉利(2009)提出一種基于平衡二叉樹的K-近鄰非參數(shù)回歸的短時交通預(yù)測方法；張曉利，陸化普(2009)采用有反饋調(diào)節(jié)機(jī)制的非參數(shù)回歸方法進(jìn)行預(yù)測；張濤(2010)基于K-近鄰非參數(shù)回歸模型，利用不同狀態(tài)向量和預(yù)測算法對短時交通流預(yù)測。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于車聯(lián)網(wǎng)大數(shù)據(jù)并利用非參數(shù)回歸算法對交通路況預(yù)測方法，以解決現(xiàn)有技術(shù)對短時交通流量預(yù)測受影響因素大、預(yù)測準(zhǔn)確率較差的問題。

本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種基于車聯(lián)網(wǎng)大數(shù)據(jù)的交通路況預(yù)測方法，包括：

1)確定被研究路段及影響所述被研究路段的入網(wǎng)路段數(shù)量；

2)統(tǒng)計所有車輛在所述入網(wǎng)段的實(shí)時速度，及所述車輛在進(jìn)入所述被研究路段后的速度，基于函數(shù)型非參數(shù)回歸模型，可以得到車輛在兩段路線下速度的關(guān)系，所述模型如下：Y_i＝r(x_i)+ε_i,1≤i≤n,n∈N⁺，其中，Y_i表示被研究路段第i輛車的速度，x_i表示入網(wǎng)路段第i輛車的速度曲線，ε為隨機(jī)誤差；

3)利用KNN估計方法，對模型進(jìn)行估計，獲得模型的最優(yōu)參數(shù)，估計方法如下：

其中，K是非對稱核函數(shù)；

設(shè)定B(x,h)＝{x′∈H|d(x,x′)≤h}，其中，其中B(x,h)是距離中心x半徑為h的小球，近鄰k的數(shù)量為平滑參數(shù)，則H_n,k(x)定義如下: