[發明專利]一種基于算法模型分析的車流量預測方法

有效

• 申請號: 202011304652.6
• 申請日: 2020-11-19
• 公開（公告）號: CN112489422B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 董輝;李娜;吳祥;郭方洪;俞立;張文安
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊天嬌

1.一種基于算法模型分析的車流量預測方法，用于公共智能交通中的車流分析預警，其特征在于，所述基于算法模型分析的車流量預測方法，包括：

步驟1、獲取歷史車流量數據，基于天氣、周期、季節以及路口環境這四個影響因素對所述歷史車流量數據進行主成分分析歸類，得到包含歸類至四個不同組別的初始待測數據，并計算各組別中的數據量在初始待測數據中的占比；

步驟2、根據分割系數將初始待測數據重新劃分為多個集合，分別對每個集合中的所有歷史車流量數據進行編號，根據編號將每個集合中的所有歷史車流量數據組成一維待測序列，將所有一維待測序列分別輸入至基于mse函數進行迭代優化的LSTM模型中得到對應的多個待測時間序列，所述分割系數根據初始待測數據中各組別的占比計算得到；

步驟3、根據歷史車流量數據的自相關系數和偏自相關系數判斷待測時間序列的平穩性，若待測時間序列為平穩序列，則進行白噪聲過程處理；否則進行一階差分處理后重新判斷是否為平穩序列，若一階差分處理后的待測時間序列為平穩序列，則進行白噪聲過程處理；否則進行二階差分處理后再進行白噪聲過程處理；

步驟4、基于進行白噪聲過程處理后的待測時間序列，利用ARIMA模型進行車流量預測，若ARIMA模型輸出的置信水平小于置信閾值，則丟棄當前ARIMA模型輸出的預測結果；否則保留ARIMA模型輸出的預測結果；

步驟5、針對進行白噪聲過程處理后的每一待測時間序列執行步驟4，得到多個預測結果，融合多個預測結果得到歷史車流量數據對應路口的車流量預測值；

其中，所述將所有一維待測序列分別輸入至基于mse函數進行迭代優化的LSTM模型中得到對應的多個待測時間序列，包括：

取一個一維待測序列輸入至LSTM模型中；

基于當前的一維待測序列以及LSTM模型輸出的待測時間序列，通過均方誤差mse函數計算損失函數；

若根據損失函數計算得到的損失值大于預設的損失閾值，則調整LSTM模型的參數并重新將該一維待測序列輸入至參數調整后的LSTM模型中進行處理；否則將當前LSTM模型輸出的待測時間序列作為最終的待測時間序列；

取新的一個一維待測序列并重復上述步驟，直至完成所有一維待測序列的處理。

2.如權利要求1所述的基于算法模型分析的車流量預測方法，其特征在于，所述步驟2還包括，在根據分割系數將初始待測數據重新劃分為多個集合之前，對初始待測數據進行平滑處理，所述平滑處理包括：

根據各組別中的所有歷史車流量數據計算各組別的平均車流量；

將每個組別中與平均車流量的差值的絕對值大于平均車流量預設倍數的歷史車流量數據剔除。

3.如權利要求1所述的基于算法模型分析的車流量預測方法，其特征在于，所述白噪聲過程處理包括：

定義車流量數據的觀測值z_t：

式中，觀測值z_t即為t時刻的滯后變量數的自回歸模型，λ_p為歷史車流量數據與影響因素之間的回歸參數，p為車流高峰期時的滯后變量數，v_t表示將t時刻的歷史車流量數據進行白噪聲處理過程的噪聲值；

將待測時間序列中的每一歷史車流量數據代入自回歸模型中，得到對應的觀測值，完成白噪聲過程處理。

4.如權利要求1所述的基于算法模型分析的車流量預測方法，其特征在于，所述基于算法模型分析的車流量預測方法還包括計算車流量數據變化趨勢，所述計算車流量數據變化趨勢包括：

構建增比指標，其表達式為：

式中，z_i表示本次預測得到的車流量預測值，z_i-1表示相對于本次車流量預測值所在時間段i而言的上一時間段i-1的車流量數據。