一种城市道路交通状况组合预测方法技术

本发明专利技术公开了一种城市道路交通状况组合预测方法。本发明专利技术首先采用最大最小方法估算当前时刻交通状况序列和邻近同周日同时刻的交通状况序列之间交通流量和平均速度的周相似度，如果周相似度在可接受范围，则利用周相似度推算下一时刻的交通流量和平均速度；如果周相似度不在可接受范围，则采用基于分形理论的预测算法计算预测时刻的交通流量和平均速度；最后，采用相对评价法估算当前路段预测时刻的交通拥堵指数。本发明专利技术中分形维数的算法以结构函数法为基础，考虑了以预测时刻为基准的不同时间间隔的交通状况情况，并以特殊加权系数进行了修复。本发明专利技术具有计算量弹性大、预测精度高、输出的交通状况数据全面的优点。

【技术实现步骤摘要】

本专利技术涉及一种城市道路交通状况组合预测方法，更具体的说，尤其涉及一种基于城市道路交通流周相似性和分形特征的城市道路交通状况组合预测方法。
技术介绍
在智能交通系统中，城市道路交通状态的预测处于十分重要的地位。准确的交通状态是制定适宜的交通管理措施的基础，智能交通系统的多项功能都是以道路交通的状态预测为中心展开的，交通状态预测方法通过对当前路段相关历史交通数据和实时交通信息的有效分析，从而获取当前路段下一时刻的总体运行状态的方法，能够为城市智慧道路交通管理系统提供强有力的技术支撑。目前关于交通状态预测的方法分为三大类大体来说，可分成三类：一类是以数理统计和微积分等传统数学和物理方法为基础的预测模型，该类预测模型往往具有复杂度高、计算量大的特点；一类是以现代科学技术和方法(如模拟技术、神经网络、模糊控制)为主要研究手段而形成的预测模型,其特点是所采用的模型和方法不追求严格意义上的数学推导和明确的物理意义，而更重视对真实交通流现象的拟合效果；一类是将两者结合的组合预测模型，1969年，J.N.Bates和C.W.J.Granger首次提出了组合预测的理论和方法，将不同的预测方法进行组合，以求产生较好的预测效果。由于道路交通系统的非线性、复杂和不确定性的基本特征，组合预测模型，像有模型算法和无模型算法的结合，神经网络理论与遗传算法、模糊理论、小波理论、谱分析等的结合，得到越来越广泛的研究与应用。分形理论是非线性科学理论中的一个分支，用以描述复杂、混沌现象背后的规律性，揭示局部与整体之间的关系。其理论中的一个关键量化指标——分形维数不仅可以定量地描述事物的复杂程度，而且其变化往往能说明事物的某种特性的改变。目前，分形的概念和思想已经被人们抽象为一种方法论，分形预测旨在从信息世界中看似无序、高维、动态的数据中通过分形维数找出其内在的规律性，并根据分形维数的变化情况检测环境的动态改变从而对未来进行预测。交通流和平均速度在一定时间尺度下存在分形现象，利用分形方法来挖掘交通流时间序列的内在规律性，避免从交通流的影响因素入手去分析问题带来的一些困难。但是短时预测需要预测的时间较短，分形的自相似性较弱，这点在使用的过程中需要改进。
技术实现思路
本专利技术为了克服上述技术问题的缺点，提供了一种城市道路交通状况组合预测方法。本专利技术的城市道路交通状况组合预测方法，其特征在于，通过以下步骤来实现：a).设当前时刻为t时刻，要预测t+Δt时刻的交通状况，从t时刻开始向前获取α个时刻的交通状况数据，组成当前t时刻交通状况序列Zt＝{zt-(α-1)Δt,zt-(α-2)Δt,...,zt-2Δt,zt-Δt,zt本文档来自技高网...

【技术保护点】
一种城市道路交通状况组合预测方法，其特征在于，通过以下步骤来实现：a).设当前时刻为t时刻，要预测t+Δt时刻的交通状况，从t时刻开始向前获取α个时刻的交通状况数据，组成当前t时刻交通状况序列Zt＝{zt‑(α‑1)Δt,zt‑(α‑2)Δt,...,zt‑2Δt,zt‑Δt,zt}，其中每个时刻的交通状况数据zi＝[qi,vi]，t‑αΔt+Δt≤i≤t，qi表示i时刻的交通流量，vi表示i时刻的平均速度b).从历史数据库中选取m个邻近的同周日同时刻的交通状况序列，并组成集合A＝{Z1t,Z2t,...,Zmt}，其中Zjt＝{zj(t‑(α‑1)Δt),zj(t‑(α‑2)Δt),...,zj(t‑2Δt),zj(t‑Δt),zj(t)}，1≤j≤m，表示集合A中第j个同周日同时刻的交通状况序列；zj(i)＝[qj(i),vj(i)]，t‑αΔt+Δt≤i≤t，qj(i)表示第j个同周日同时刻交通状况序列中i时刻的交通流量，vj(i)表示第j个同周日同时刻交通状况序列中i时刻的平均速度；c).用最大最小方法计算当前t时刻交通状况序列与m个同周日同时刻的交通状况序列交通状况之间的周相似度，其通过步骤c‑1)至步骤c‑2)来实现：c‑1).计算交通流量的周相似度，根据公式(1)计算当前t时刻交通状况序列与m个同周日同时刻的交通状况序列之间交通流量的周相似度Rqj：式中，1≤j≤m，0≤i≤α‑1；c‑2).计算平均速度的周相似度，根据公式(2)计算当前t时刻交通状况序列与m个同周日同时刻的交通状况序列之间平均速度的周相似度Rvj：式中，1≤j≤m，0≤i≤α‑1；d).利用公式(3)对m个同周日同时刻的交通状况序列进行筛选，Rqj≥Sq∩Rvj≥Sv   (3)式中，Sq表示交通流量周相似度的门限值，Sv表示平均速度周相似度的门限值；将所有满足公式(3)的交通状况序列构成集合B＝{Z1t,Z2t,...,Zht},Zxt＝{zx(t‑(n‑1)Δt),zx(t‑(n‑2)Δt),...,zx(t‑2Δt),zx(t‑Δt),zx(t)}表示集合B中第x个同周日同时刻的交通状况序列，1≤x≤h；如果有满足公式(3)的序列，即h＞0时，则执行步骤e)，以计算待预测时刻t+Δt的交通流量和平均速度；如果集合B中不存在符合要求的交通状况序列，则执行步骤f)；e).根据公式(4)和公式(5)分别计算预测时刻t+Δt的交通流量预测值q′t+Δt和平均速度的预测值v′t+Δt：其中，Rqx、Rvx分别表示当前t时刻的交通状况序列与集合B中第x个交通状况序列之间交通流量的周相似度、平均速度的周相似度；qx(t+Δt)、vx(t+Δt)分别为集合B中第x个交通状况序列t+Δt时刻的交通流量的实际值、平均速度的实际值；然后执行步骤g)；f).采用基于分形理论的算法计算预测时刻t+Δt的交通流量和平均速度的预测值；g).然后，通过公式(6)计算出t+Δt预测时刻当前路段的车辆密度：k′t+Δt＝q′t+Δt/v′t+Δt   (6)设当前路段的交通拥堵密度为Kstop，其取值范围为Ksmooth表示当前路段的最佳密度，其取值范围为则根据相对评价法计算t+Δt预测时刻当前路段的交通拥堵指数B′t+Δt，公式如下：h).输出t+Δt预测时刻当前路段交通状况预测向量R′t+Δt＝[q′t+Δt,v′t+Δt,k′t+Δt,B′t+Δt]。...

【技术特征摘要】
1.一种城市道路交通状况组合预测方法，其特征在于，通过以下步骤来实现：a).设当前时刻为t时刻，要预测t+Δt时刻的交通状况，从t时刻开始向前...

【专利技术属性】
技术研发人员：黄国林，汪庆明，庞希愚，吴茂呈，何镇镇，
申请(专利权)人：山东易构软件技术股份有限公司，
类型：发明
国别省市：山东;37