[發明專利]一種基于改進DTW-KNN的短時交通流預測方法

有效

• 申請號: 202010575303.1
• 申請日: 2020-06-22
• 公開（公告）號: CN111667694B
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 梁秀霞;楊凡;李萬通;龐榮榮
• 申請（專利權）人: 河北工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62;G06Q10/04;G06Q50/30
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 付長杰

1.一種基于改進DTW-KNN的短時交通流預測方法，其特征在于，該方法首先使用平均影響值算法確定狀態向量的組成，創建歷史狀態向量和待預測狀態向量；其次通過動態時間彎曲距離篩選待預測狀態向量的K個最近鄰；最后，依據短時交通流量的時間連續性進行預測，即待預測狀態向量中t+1時段的交通流流量為待預測狀態向量中t時段的交通流流量與對應的K個最近鄰歷史狀態向量中t+1時段和t時段的流量差進行加權平均后的和；

該方法的具體步驟是：

步驟1，提取交通流歷史數據，某路段全天交通流量的數據共M組，使用MIV算法篩選出與t+1時段相關性最強的前a個時段并創建歷史狀態向量Qv，構建交通流歷史數據庫Q，Q中共M-a+1組歷史狀態向量；

步驟2，基于步驟1確定的前a個時段的歷史狀態向量的結構，對于待預測的交通流流量數據，使用待預測時段前a個時段的交通流流量構成預測狀態向量Su，創建待預測狀態向量集S，S中共s組預測狀態向量；

步驟3，分別計算每一預測狀態向量與全部歷史狀態向量的動態時間彎曲(DTW)距離，并根據DTW距離從小到大對全部歷史狀態向量進行排序，選取距離最小的K個DTW距離對應的歷史狀態向量作為該預測狀態向量的K個最佳狀態向量，K個最佳狀態向量構成最優輸入樣本集；

步驟4，確定每一預測狀態向量對應的最佳狀態向量的DTW距離d_i，根據1≤i≤K，計算出每個最佳狀態向量的權值ω_i，進而確定該預測狀態向量下每一歷史狀態向量對應的權重系數；

待預測的t+1時段交通流流量與t時段交通流流量正相關，待預測狀態向量的t+1時段交通流流量按照進行預測，

式中，q_u(t+1)表示待預測狀態向量t+1時段的交通流流量，q_u(t)表示待預測狀態向量t時段的交通流流量，q_i(t)表示第i個近鄰歷史狀態向量中t時段的交通流流量，q_i(t+1)表示第i個近鄰歷史狀態向量中t+1時段的交通流流量。

2.根據權利要求1所述的預測方法，其特征在于，

步驟3中，DTW距離定義為：對任一待預測狀態向量S_u和任一歷史狀態向量Q_v的DTW距離為：

Dtw(＜＞,＜＞)＝0,

Dtw(S_u,＜＞)＝Dtw(＜＞,Q_v)＝∞,

式中，＜＞表示空序列，S_u＝[q_u(t-a),…,q_u(t-1),q_u(t)]，Q_v＝[q_v(t-a),…,q_v(t-1),q_v(t)]，Rest(S_u)＝[q_u(t-a-1),…,q_u(t-1),q_u(t)]，Rest(Q_v)＝[q_v(t-a-1),…,q_v(t-1),q_v(t)]，D(S_u1,Q_v1)表示兩序列S_u、Q_v中對應點的絕對距離。

根據DTW距離定義，計算出預測狀態向量S_u與每一歷史狀態向量之間的動態時間彎曲距離，分別表示為d₁,d₂,...,d_M-a+1。

3.根據權利要求1或2所述的預測方法，其特征在于，K的取值設置為100～150。