【技术实现步骤摘要】
本专利技术涉及城市交通路网交通状态预测领域,具体是一种大数据环境下立体城市交通路网全局状态预测方法。
技术介绍
城市交通状态不仅能影响个人出行体验,也是城市良性发展的重要指标。城市智能交通系统(Intelligent Transportation System)的实现能够改善交通运行效率,提高城市环境质量,提升市民生活品质,因此智能交通是相关研究者和城市管理部门长期关注的焦点。准确可靠的交通状态定义和预测为智能交通系统提供了核心基础。经过对现有技术的文献检索发现,早期的研究者使用传统时间序列分析的方法来预测交通变量,包括历史平均模型,移动自回归,卡尔曼滤波等。还有一些研究者使用交通理论搭建相关模型并对其中的变量进行预测,例如元胞传递模型,S模型可以用来预测未来交通趋势。但这些方法和模型是建立在理想化的数学理论之上,比较难处理实际生活中复杂的大规模城市交通情况。近年来越来越多的机器学习方法被用在交通预测中,比如Chun-Hsin Wu等在2004年的IEEE Transactions on Intelligent Transportation System上发表的Travel-time prediction with support vector regression中用支持向量机的方法预测行程时间,Siyan Liu等在2015年的Journal of Shanghai JiaotongUniversity(Science)上发表的A Short-term Traffic FlowForecasting Method and Its Applicatio ...
【技术保护点】
一种大数据环境下立体城市路网全局状态预测方法,其特征在于,该方法包括数据预处理、预测模型和预测实施三个阶段,具体步骤如下:数据预处理阶段:S1、根据采集的原始数据和地图拓扑中道路类型属性进行网络分层和数据清洗,获得历史数据集;S2、对历史数据集进行拓扑划分后,融合初始道路速度数据,获得区域网格速度,并定义带有耦合信息的全局交通特征,确定全局交通模式的有效数目,通过聚类将历史数据集转换为交通模式的编号序列,记作样本数据集;预测模型阶段:S3、给样本数据集加入日期属性标签,对各层路网不同日期属性的样本数据分开建立信息库;S4、建立参数优化模型确定预测模型的最优参数。预测实施阶段:S5、采用优化的模型参数和预测算法计算未来可能的全局交通模式以及各模式对应的概率并计算结果匹配度。
【技术特征摘要】
1.一种大数据环境下立体城市路网全局状态预测方法,其特征在于,该方法包括数据预处理、预测模型和预测实施三个阶段,具体步骤如下:数据预处理阶段:S1、根据采集的原始数据和地图拓扑中道路类型属性进行网络分层和数据清洗,获得历史数据集;S2、对历史数据集进行拓扑划分后,融合初始道路速度数据,获得区域网格速度,并定义带有耦合信息的全局交通特征,确定全局交通模式的有效数目,通过聚类将历史数据集转换为交通模式的编号序列,记作样本数据集;预测模型阶段:S3、给样本数据集加入日期属性标签,对各层路网不同日期属性的样本数据分开建立信息库;S4、建立参数优化模型确定预测模型的最优参数。预测实施阶段:S5、采用优化的模型参数和预测算法计算未来可能的全局交通模式以及各模式对应的概率并计算结果匹配度。2.根据权利要求1所述的大数据环境下立体城市路网全局状态预...
【专利技术属性】
技术研发人员:袁铖珏,李德伟,席裕庚,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海;31
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。