[發(fā)明專利]一種考慮擴散過程的短時交通流預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201910446878.0
• 申請日: 2019-05-27
• 公開（公告）號: CN110047291B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 張凱;趙雪芳;董宇涵
• 申請（專利權(quán)）人: 清華大學(xué)深圳研究生院
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065
• 代理公司: 深圳新創(chuàng)友知識產(chǎn)權(quán)代理有限公司 44223
• 代理人: 江耀純

1.一種考慮擴散過程的短時交通流預(yù)測方法，其特征在于，包括：

獲取當(dāng)前路段的歷史交通流序列O＝{x¹,x²,…,x^m}并進行平滑操作，得到平滑后的交通流序列F＝{X¹,X²,…,X^t-1}；其中，Xⁿ代表對原始的歷史交通流序列O進行平滑后得到的當(dāng)前路段在n時刻的交通流量，n＝1,2,…,t-1；

采用LSTM-CNN模型從交通流序列F中捕獲當(dāng)前路段的交通流的深度時空特征；

通過以類PageRank算法進行數(shù)學(xué)化描述的擴散過程從交通流序列F中得到當(dāng)前路段的道路重要性特征，再將道路重要性特征以及當(dāng)前路段的道路輔助信息共同組成一個一維向量，作為當(dāng)前路段的交通流的廣度特征；

將所述深度時空特征和所述廣度特征進行融合，得到當(dāng)前路段在t時刻的交通流量預(yù)測值X^t；

以類PageRank算法進行數(shù)學(xué)化描述的擴散過程包括：

(1)利用公式計算當(dāng)前路段i在t時刻的擁擠系數(shù)con_i,t，其中，和分別表示當(dāng)前路段i的歷史最大交通流量和歷史最小交通流量，表示當(dāng)前路段i在t時刻的交通流量；路段的擁擠程度與擁擠系數(shù)成反比；

(2)對當(dāng)前路段i所在的路網(wǎng)，構(gòu)建以路段為節(jié)點，以路段間的交通流轉(zhuǎn)移關(guān)系為邊的帶權(quán)有向圖G＝(E,V)，E表示節(jié)點的集合，V表示邊的集合；其中，節(jié)點i指向節(jié)點j的邊在t時刻的權(quán)重系數(shù)為：

(3)由權(quán)重系數(shù)w_i→j,t計算t時刻交通流從節(jié)點i轉(zhuǎn)移至節(jié)點j的轉(zhuǎn)移概率p_i→j,t：

其中，i→k表示由節(jié)點i指向相鄰節(jié)點k的邊；

(4)運用類PageRank算法計算當(dāng)前路段i在t時刻的擴散分?jǐn)?shù)值PR(i,t)：

其中，擴散分?jǐn)?shù)值PR(i,t)即為當(dāng)前路段i的道路重要性特征，d為當(dāng)前路段的阻尼系數(shù)，(1-d)表示車輛由當(dāng)前路段產(chǎn)生的概率。

2.如權(quán)利要求1所述的短時交通流預(yù)測方法，其特征在于，所述平滑操作包括按均值平滑、按邊界值平滑和按中值平滑；平滑操作時的采樣間隔為5～30分鐘。

3.如權(quán)利要求1所述的短時交通流預(yù)測方法，其特征在于，所述深度時空特征為包含兩個元素的一維向量[a1,a2]，該一維向量的兩個元素a1、a2分別由LSTM-CNN模型的兩條LSTM鏈輸出；

其中一條LSTM鏈從交通流序列F中提取到交通流的時間周期性特征作為輸出a1；另一條LSTM鏈以交通流序列F和交通流的空間相關(guān)性特征作為輸入，提取到包含交通流的時間平滑性特征和空間相關(guān)性特征的融合特征作為輸出a2。

4.如權(quán)利要求3所述的短時交通流預(yù)測方法，其特征在于，所述時間周期性特征用于表征當(dāng)前路段當(dāng)前時刻t的交通流與之前t_d天相同時刻交通流的相關(guān)性，表現(xiàn)形式為：

其中，l_p表示周期間隔。

5.如權(quán)利要求3所述的短時交通流預(yù)測方法，其特征在于，所述時間平滑性特征用于表征當(dāng)前路段當(dāng)前時刻t的交通流與之前t_h個時刻交通流的相關(guān)性，表現(xiàn)形式為：

6.如權(quán)利要求3所述的短時交通流預(yù)測方法，其特征在于，所述空間相關(guān)性特征是通過CNN網(wǎng)絡(luò)從當(dāng)前路段的交通流序列F以及當(dāng)前路段的相鄰路段的交通流序列中提取得到，用于表征當(dāng)前路段與相鄰路段之間交通流的相關(guān)性。

7.如權(quán)利要求1所述的短時交通流預(yù)測方法，其特征在于，所述道路輔助信息包括天氣信息和道路突發(fā)事件信息。

8.如權(quán)利要求1所述的短時交通流預(yù)測方法，其特征在于，采用全連接層對深度特征和廣度特征進行融合。