[發(fā)明專利]基于平衡指數(shù)平滑法和棧式自編碼器的交通流預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201910254186.6
• 申請日: 2019-03-30
• 公開（公告）號: CN109887290B
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計）人: 吳建設(shè);丁振林;周鵬;陳子雄;朱洪德;李江濤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

一種基于平衡指數(shù)平滑和棧式自編碼器的交通流預(yù)測方法，其步驟為：(1)生成訓(xùn)練序列和測試序列；(2)對訓(xùn)練序列和測試序列進(jìn)行預(yù)處理；(3)利用平衡指數(shù)平滑法獲取平衡指數(shù)值序列；(4)利用最小最大歸一化公式，計算完整訓(xùn)練交通流序列的平衡指數(shù)值序列中每個值的歸一化值，獲取完整訓(xùn)練和測試交通流序列的歸一化值序列；(5)構(gòu)建棧式自編碼器神經(jīng)網(wǎng)絡(luò)；(6)訓(xùn)練棧式自編碼器神經(jīng)網(wǎng)絡(luò)；(7)對完整測試交通流數(shù)據(jù)序列的歸一化值序列進(jìn)行測試。本發(fā)明的方法，在考慮了交通流數(shù)據(jù)的高隨機(jī)性基礎(chǔ)上也考慮了交通流數(shù)據(jù)的復(fù)雜非線性特性，提高了交通流的預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明屬于控制領(lǐng)域，更進(jìn)一步涉及智能交通領(lǐng)域中的一種基于平衡指數(shù)平滑法和棧式自編碼器的交通流預(yù)測方法。本發(fā)明可以通過獲取高速公路歷史交通流數(shù)據(jù)對當(dāng)前的交通流進(jìn)行預(yù)測。

背景技術(shù)

智能交通系統(tǒng)(ITS)是一種實(shí)時、準(zhǔn)確、高效的智能化交通網(wǎng)絡(luò)管理系統(tǒng)，它有效地集成了先進(jìn)的信息技術(shù)、通訊技術(shù)、傳感技術(shù)、控制技術(shù)以及計算機(jī)技術(shù)，是全方位解決交通擁堵和保障交通網(wǎng)絡(luò)運(yùn)輸安全的有效手段。構(gòu)建ITS中的交通流誘導(dǎo)子系統(tǒng)，是解決城市交通擁堵和提高路網(wǎng)通行效率的最有效方式之一，而ITS要實(shí)現(xiàn)實(shí)時的交通控制和誘導(dǎo)，就必須要有及時、準(zhǔn)確的短時交通流預(yù)測為其提供支持，因此短時交通流預(yù)測已經(jīng)成為智能交通系統(tǒng)的研究熱點(diǎn)。預(yù)測未來短期內(nèi)的交通流量，不僅可以方便出行者選擇最優(yōu)的出行路線，還可以為均衡交通流、優(yōu)化交通管理方案、改進(jìn)交通控制等方面提供基礎(chǔ)依據(jù)。這對于緩解交通擁擠和避免資源的浪費(fèi)有著重要的意義和應(yīng)用價值。

Yisheng Lv,Yanjie Duan,Wenwen Kang等人在其發(fā)表的論文“Traffic FlowPrediction With Big Data:A Deep Learning Approach”(IEEE TRANSACTIONS ONINTELLIGENT TRANSPORTATION SYSTEMS,VOL.16,NO.2,APRIL 2015)中公開了一種基于棧式自編碼器的交通流預(yù)測方法。該方法通過構(gòu)建棧式自編碼器神經(jīng)網(wǎng)絡(luò)，對交通流數(shù)據(jù)進(jìn)行預(yù)測，通過棧式自編碼器可以構(gòu)建更深層的網(wǎng)絡(luò)，表達(dá)數(shù)據(jù)的復(fù)雜非線性特征。但是，該方法仍然存在的不足之處是，它雖然解決了交通流復(fù)雜非線性的問題，但是交通流的高隨機(jī)性的特點(diǎn)也是影響其預(yù)測精度的重要因素之一，因此，即使構(gòu)建深層的網(wǎng)絡(luò)，其網(wǎng)絡(luò)也容易陷入局部最優(yōu)解，難以提高交通流的預(yù)測精度。

浙江海洋大學(xué)在其申請的專利文獻(xiàn)“基于小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測方法”(專利申請?zhí)?018113722926，公開號CN109410581A)中公開了一種基于小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測方法。該方法通過小波基函數(shù)構(gòu)建小波神經(jīng)網(wǎng)絡(luò)，通過尺度變化和伸縮變換因子雖然能夠?qū)煌鬟M(jìn)行局部特征放縮，加速神經(jīng)網(wǎng)絡(luò)收斂，但是，該方法仍然存在的不足之處是，該方法仍然是淺層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，無法表達(dá)交通流復(fù)雜的非線性特性。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出了一種平衡指數(shù)平滑和棧式自編碼器的交通流預(yù)測方法，通過平衡指數(shù)平滑解決交通流的高隨機(jī)性問題，通過棧式自編碼器神經(jīng)網(wǎng)絡(luò)解決交通流復(fù)雜非線性的表達(dá)問題。

實(shí)現(xiàn)本發(fā)明目的的思路是：利用平衡指數(shù)平滑對數(shù)據(jù)進(jìn)行濾波處理，減小噪聲干擾，利用棧式自編碼器對經(jīng)過平衡指數(shù)平滑濾波處理的數(shù)據(jù)進(jìn)行預(yù)測，進(jìn)一步提高預(yù)測精度。

為實(shí)現(xiàn)上述目的，本發(fā)明具體實(shí)現(xiàn)步驟包括如下：

(1)生成訓(xùn)練序列和測試序列：

(1a)利用高速公路傳感器收集近三個月的歷史交通流數(shù)據(jù)；

(1b)統(tǒng)計高速公路各個傳感器收集三個月的缺失數(shù)據(jù)；

(1c)將缺失數(shù)據(jù)最少的傳感器數(shù)據(jù)的前兩個月的數(shù)據(jù)組成訓(xùn)練序列，后一個月數(shù)據(jù)組成測試序列；

(2)對訓(xùn)練序列和測試序列進(jìn)行預(yù)處理：