[發明專利]一種基于時空因素的交通狀態指數預測方法

有效

• 申請號: 202010049109.X
• 申請日: 2020-01-16
• 公開（公告）號: CN111210088B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 肖建力;吳家成
• 申請（專利權）人: 上海理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G08G1/01
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

1.一種基于時空因素的交通狀態指數預測方法，其特征在于，具體包括以下步驟：

步驟S1：獲取交通狀態指數的數據作為原始數據，根據所述原始數據生成交通狀態指數云圖；

步驟S2：將所述交通狀態指數云圖劃分為多個子區域，根據所述子區域的中心網格是否有指數值，分為包含目標網格的子區域和包含非目標網格的子區域；

步驟S3：對所述包含目標網格的子區域和包含非目標網格的子區域分別通過時間序列預測模型和空間預測模型進行時間預測和空間預測；

步驟S4：基于所述包含非目標網格的子區域進行空間預測和時間預測的預測結果設置最優模型參數，按照所述最優模型參數構建混合模型，通過將所述包含目標網格的子區域輸入所述混合模型來對目標網格進行預測；

所述目標網格為空白網絡，所述空白網絡內沒有指數值；

所述步驟S4中的設置最優模型參數的過程具體為：

步驟S401：根據時間預測結果和空間預測結果設置構建所述混合模型的相應的初始權值；

步驟S402：計算所述初始權值相應混合模型在包含非目標網格的子區域上進行時間預測和空間預測的結果的平均相對誤差，根據所述平均相對誤差的計算結果評判對應混合模型的預測準確性；

步驟S403：調整所述時間預測結果和空間預測結果的權值，根據不同權值下平均相對誤差的變化趨勢，將最小平均相對誤差對應的權值作為最優模型參數。

2.根據權利要求1所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述交通狀態指數包括交通流速度、自由流速度、道路種類和道路數。

3.根據權利要求1所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述子區域為正方形子區域。

4.根據權利要求3所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述子區域的邊長的取值為3個單位長度或5個單位長度。

5.根據權利要求1所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述時間序列預測模型包括差分整合移動平均自回歸模型、梯度增強樹模型、長短時記憶網絡模型或時間卷積網絡模型。

6.根據權利要求1所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述空間預測模型包括線性回歸模型、多項式回歸模型、貝葉斯嶺回歸模型或支持向量回歸模型。

7.根據權利要求1所述的一種基于時空因素的交通狀態指數預測方法，其特征在于，所述子區域的中心網格含有一個時間段內多個時間點的數據值。