[發明專利]一種數據稀疏時間段的道路交通流狀況預測方法

有效

• 申請號: 201911040599.0
• 申請日: 2019-10-29
• 公開（公告）號: CN110738855B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 王程;劉文平
• 申請（專利權）人: 王程
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種數據稀疏時間段的道路交通流狀況預測方法，其特征在于：基于時間動態序列匹配預測道路交通流狀況，包括交通流數據預處理、條件隨機域模型還原道路交通流時間動態序列、基于動態時間規整的序列匹配交通狀況預測，條件隨機域模型還原道路交通流時間動態序列包括轉移條件特征函數和隱含狀態轉移函數的選取和條件隨機域模型的參數估計兩步，具體步驟為：

第一步，交通流數據預處理；

第二步，轉移條件特征函數和隱含狀態轉移函數的選取；

第三步，條件隨機域模型的參數估計；

第四步，基于動態時間規整的序列匹配交通狀況預測；

條件隨機域模型還原道路交通流時間動態序列中，選用的道路交通流量相關環境信息具體為道路噪音，道路噪音值用Noise表示，將道路噪音等級分為五類，用N表示：

無向圖A中包含兩類節點，分別為第一類節點和第二類節點，第一類節點b＝{b₁,b₂,...,b_n}表示在連續時間節點上的道路交通流狀態，第二類節點c＝{c₁,c₂,...,c_i,...,c_n}，c_i＝{N,t}表示時間動態序列相關特征，包括道路噪音等級和時間戳，給定道路環境觀測序列c，則每個道路交通流狀態b_i由以下公式可得：

其中D(c)為一個正則函數，通過上面等式可以得出五個道路交通流狀態在每個時間戳上的概率可表示為一個五維向量；

給定道路環境觀測序列c，要求得某個時間戳下的道路交通流狀態，在條件隨機域中需要解決的問題包括：

一是轉移條件特征函數t_j和隱含狀態轉移函數G_k的選取，其中j、k是自然數；

二是從已經標注好的訓練數據集學習條件隨機域模型的參數，即轉移條件特征函數t_j和隱含狀態轉移函數G_k的權重向量f_j和H_k；

第二步，轉移條件特征函數t_j和隱含狀態轉移函數G_k的選取中，t_j(b_i-1，b_i，c，i)表示道路交通流狀態序列從時間戳i-1到時間戳i的節點，道路交通流狀態由b_i-1轉變為狀態b_i的道路交通流狀態轉移函數，依賴于當前的道路交通流狀態和前一個時間戳的道路交通流狀態；

G_k(b_i，c，i)表示環境信息觀測序列在時間戳i-1時，由道路環境信息觀測序列c可得到道路交通流狀態b_i的隱含狀態轉移函數，依賴于當前的道路交通流狀態和當前的道路環境信息；

轉移條件特征函數t_j和隱含狀態轉移函數G_k的取值為0或者1，條件隨機域完全由轉移條件特征函數t_j和隱含狀態轉移函數G_k以及對應的權值f_j和H_k確定，轉移條件特征函數t_j和隱含狀態轉移函數G_k的統一形式用S_j(b_i-1，b_i，c，i)表示；

第三步，條件隨機域模型的參數估計中，用最大概似估計方法從已經標注好的道路交通流訓練數據集中學習出條件隨機域模型的參數，具體步驟為：

第1步，根據總體分布，建立似然函數：

其中為道路交通流訓練樣本中(c，b)的經驗概率；

第2步，通過對L(f_j)求導，令等式為0，求得轉移條件特征函數t_j的權重向量f_j：

第3步，通過下式：

得到道路交通流在時間戳t時的五種狀態分別的概率，得到一個五維向量：

P(t)＝[p(bt＝Cg),p(bt＝Sl),p(bt＝Nm),p(bt＝Mo),p(bt＝Un)]；

第四步，基于動態時間規整的序列匹配交通狀況預測中，采用動態時間規整方法，在序列匹配過程中，假設當前時間為t_ct，由條件隨機域方法得到的狀態序列表示為經過t_b時間后待預測時間點的交通狀態用表示,基于動態時間規整的序列匹配算法找到相匹配的歷史片段，用表示，在該算法中序列片段是通過時間上的非線性扭曲來找到相似的歷史片段，用一個常量閾值m作為相似度的衡量標準，只有計算出的動態時間規整距離小于常量閾值m才可作為相似歷史片段，即假設根據動態規整算法選出hg個歷史片段作為相似片段，可以得到hg個在t_ct+t_b，即預測時間點的五維概率向量，其中第i個概率向量為：

在上式中，g′(i)表示第i個相似歷史片段，p⁽ⁱ⁾(g′_l＝g)(g∈Ω)表示根據第i個相似歷史片段g′(i)得到的在預測時間點t_ct+t_b的五個狀態的概率向量，第i個歷史片段的權重L(i)由以下公式可得：

因此，可以得到在預測時間點t(t＝t_ct+t_b)的最終狀態結果：

將每道路交通流狀態用數字量化表示，

Z＝{擁堵(Cg)＝1，緩慢(S1)＝2，正常(Nm)＝3，較暢通(Mo)＝4，暢通(Un)＝5}，

路段的狀態Z^t_q表示路段q在時間戳t時刻的交通流量狀態，其中擁有最大概率值的狀態為交通流預測狀態。