本发明专利技术公开了一种基于转移矩阵的交叉口各流向流量值动态预测方法。本发明专利技术包括以下步骤：1）通过进口道地磁数据和路段微波数据分别获取实时流向比例和路段流量，2）确定初始概率向量和状态转移矩阵，3）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵，4）交叉口流向比例预测，5）交叉口各流向流量值预测。本发明专利技术利用交通数据并结合加权移动平均法、状态转移矩阵等数学方法，对交叉口各流向流量值进行科学合理的动态预测，提高了预测的科学性和实用性。
【技术实现步骤摘要】
本专利技术涉及交通管控领域，具体涉及一种基于转移矩阵的交叉口各流向流量值动态预测方法。
技术介绍
在大数据时代，高效的利用多源数据信息对交通运行状况做出实时预判尤为重要。利用现有的交通数据对交通运行进行科学预测，进而制定合理的管控方案，是缓解城市交通拥堵的一项有效措施。近年来，随着机动车保有量的不断增长，我国各个城市对智能交通管控设施的投入也不断加大，海量的交通数据呈爆发式的增长。虽然现在可以利用有效数据对路段流量进行预测，但仍旧缺失一种在交叉口处预测各个流向流量值的方法，使得关键节点处的数据价值并未有效的发挥出来。对交叉口的各流向流量值进行预测，实质上是利用前期时段交叉口进口道的地磁数据和路段微波数据，使用加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测。如图2所示，由进口道处的地磁数据获取实时的左转、直行、右转交通量，并进一步处理得到实时的流向比例，由路段上的微波检测器检测实时的路段流量，利用加权移动平均法、状态转移矩阵等数学方法建立基于时间序列的实时预测模型，将历史数据输入该模型即可得到下一时段的各流向流量值。
技术实现思路
本专利技术的目的在于提供了一种基于转移矩阵的交叉口各流向流量值动态预测方法，利用地磁、微波数据，结合加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测，提高了对交叉口各流向流量值预测的科学性和实用性。本专利技术采用的技术方案是：本专利技术包括以下步骤：A)根据地磁和微波数据分别获取实时流向比例和路段流量a)由进口道地磁数据获取实时流向比例这里包括六个参数：左转流量L(tn)，直行流量S(tn)，右转流量R(tn)，左转流向比例kL(tn)，直行流向比例kS(tn)，右转流向比例kR(tn)；b)由路段微波数据获取实时路段流量这里包括如下三个参数：地磁到路段微波检测器的距离L，车辆驶过这段L距离所用的平均时间t0,路段微波在(tn-t0)时段检测到的交通量Q(tn-t0)。B)确定初始概率向量和状态转移矩阵a)确定初始概率向量这里包括如下几个参数:tn时段初始概率向量N(tn),左转流向比例kL(tn)，直行流向比例kS(tn)，右转流向比例kR(tn)；b)确定状态转移矩阵这里的计算参数包括：左转状态L，直行状态S，右转状态R，在tn到tn+1时段，状态i向状态j的转移概率pij(tn)，状态i向状态j的转移值kij(tn)，状态i向所有状态(L,S,R)的转移值ki.(tn)，状态转移矩阵An。C)融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵为达到利用历史数据进行动态预测的目的，结合加权移动平均法，以三个连续的初始概率向量为一组数据来标定下一时段的初始概率预测向量，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，步骤包括：a)融合加权移动平均法标定初始概率预测向量这里的计算参数包括：tn时段的初始概率预测向量N′(tn)，三个权重系数α、β、γ；b)融合加权移动平均法标定状态转移预测矩阵这里的计算参数包括：tn时段到tn+1时段的状态转移预测矩阵三个权重系数α、β、γ。D)交叉口流向比例预测这里的计算参数包括：tn时段的流向预测比例向量N*(tn)，左转流向预测比例直行流向预测比例右转流向预测比例E)交叉口各流向流量值预测这里包括如下三个参数：左转预测流量L*(tn)，直行预测流量S*(tn)，右转预测流量R*(tn)；路段微波在(tn-t0)时段检测到的交通量乘以预测得到的tn时段交叉口流向比例，即可得到左转、直行、右转的流量预测值。本专利技术在交叉口各流向流量值动态预测方法中，依据交叉口进口道的地磁数据、路段微波数据，并结合加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行动态预测。本专利技术有益效果：1)本专利技术使用交叉口地磁和上游路段微波的检测数据对交叉口进口的各流向流量进行预测，在传统流向比例预测的基础上，增加了总流量的准确度保障，提升了流量预测的精确度。2)本专利技术用左转、直行、右转的流向比例构成了初始概率向量，并利用加权移动平均法，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，按照时间序列逐步递推，以此达到动态预测的目的。3)本专利技术在进行交叉口流向比例预测时，用标定的初始概率预测向量乘以状态转移预测矩阵得到流向预测比例向量，流向预测比例向量中的三个分量即为所预测的交叉口左转、直行、右转的流向比例。附图说明图1是本专利技术方法流程图；图2是本专利技术中地磁和微波设备的布设示意图；图3是本专利技术所采用的动态标定初始概率预测向量示意图；图4是本专利技术所采用的动态标定状态转移预测矩阵示意图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步说明：如图1所示，一种基于转移矩阵的交叉口各流向流量值动态预测方法,步骤包括：通过进口道地磁数据和路段微波数据分别获取实时流向比例和路段流量、确定初始概率向量和状态转移矩阵、融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵、交叉口流向比例预测、交叉口各流向流量值预测。A)在交叉口进口道布设地磁设备，在路段上布设微波设备，通过进口道地磁数据获取实时流向比例，由路段微波数据获取实时路段流量，为交叉口各流向流量值动态预测获取所需的基础数据：a)由进口道地磁数据获取实时流向比例这里包括六个参数：左转流量L(tn)，直行流量S(tn)，右转流量R(tn)，左转流向比例kL(tn)，直行流向比例kS(tn)，右转流向比例kR(tn)；通过交叉口进口道布设的地磁设备，检测到tn时段的左转流量L(tn)、直行流量S(tn)、右转流量R(tn)，得到tn时段左转的流向比例为：直行的流向比例为：右转的流向比例为：b)由路段微波数据获取实时路段流量这里包括如下三个参数：地磁到路段微波检测器的距离L，车辆驶过这段L距离所用的平均时间t0,路段微波在(tn-t0)时段检测到的交通量Q(tn-t0)；如图2所示，地磁设备埋设在交叉口进口道处，在距离地磁设备L的上游路段布设微波检测器，车辆经过平均时间t0从微波检测器处到达地磁设备，因而在tn时段地磁设备检测到的车辆为(tn-t0)时段由路段微波设备检测到的交通量Q(tn-t0)。B)确定初始概率向量和状态转移矩阵a)确定初始概率向量这里包括如下几个参数:tn时段初始概率向量N(tn),左转流向比例kL(tn)，直行流向比例kS(tn)，右转流向比例kR(tn)；初始概率向量由左转、直行、右转的流向比例构成，tn时段的初始概率向量为：N(tn)＝(kL(tn),kS(tn),kR(tn))b)确定状态转移矩阵这里的计算参数包括：左转状态L，直行状态S，右转状态R，在tn到tn+1时段，状态i向状态j的转移概率pij(tn)，状态i向状态j的转移值kij(tn)，状态i向所有状态(L,S,R)的转移值ki.(tn)，状态转移矩阵An；在tn到tn+1时段，状态i向状态j的转移值除以状态i向所有状态(L,S,R)的转移值得到转移概率，因状态i可以向自身转移，故ki.(tn)＝ki(tn)，状态i向状态j的转移概率为：状态转移矩阵由状态转移概率构成，tn到t本文档来自技高网...
【技术保护点】
一种基于转移矩阵的交叉口各流向流量值动态预测方法，其特征在于：包括以下步骤：A）根据地磁和微波数据分别获取实时流向比例和路段流量；B）确定初始概率向量和状态转移矩阵；C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵；D）交叉口流向比例预测；E）交叉口各流向流量值预测；所述步骤A）根据地磁和微波数据分别获取实时流向比例和路段流量，包括如下步骤：a）由进口道地磁数据获取实时流向比例；b）由路段微波数据获取实时路段流量；所述步骤B）确定初始概率向量和状态转移矩阵，包括如下步骤：a）确定初始概率向量；b）确定状态转移矩阵；所述步骤C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵，包括如下步骤：a）融合加权移动平均法标定初始概率预测向量；b）融合加权移动平均法标定状态转移预测矩阵。
【技术特征摘要】
1.一种基于转移矩阵的交叉口各流向流量值动态预测方法，其特征在于：包括以下步骤：A）根据地磁和微波数据分别获取实时流向比例和路段流量；B）确定初始概率向量和状态转移矩阵；C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵；D）交叉口流向比例预测；E）交叉口各流向流量值预测；所述步骤A）根据地磁和微波数据分别获取实时流向比例和路段流量，包括如下步骤：a）由进口道地磁数据获取实时流向比例；b）由路段微波数据获取实时路段流量；所述步骤B）确定初始概率向量和状态转移矩阵，包括如下步骤：a）确定初始概率向量；b）确定状态转移矩阵；所述步骤C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵，包括...
【专利技术属性】
技术研发人员：孙锋，焦方通，赵菲，孙立，赵金宝，曹辉，苏文恒，刘玮轩，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。