一种考虑时空相关性的短时交通流预测方法技术

本发明专利技术涉及一种考虑时空相关性的短时交通流预测方法。考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。本发明专利技术方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。

【技术实现步骤摘要】
一种考虑时空相关性的短时交通流预测方法
本专利技术涉及智能交通领域，特别是一种考虑时空相关性的短时交通流预测方法。
技术介绍
如今的智能交通系统在给市民带来便利的同时不可避免地导致了环境污染、资源浪费和交通拥堵等问题。如何有效缓解城市交通拥堵瓶颈已成为各大城市面临的厄待解决的问题。准确的交通流预测可为市民出行和城市交通规划提供指导性建议，同时预先对交通流进行疏导可有效防止交通拥堵的产生和演变。国内外业已提出的交通流预测方法主要有时间序列法、卡尔曼滤波、混沌理论、神经网络和支持向量机(SVM)等。影响交通流变化的因素多种多样，而且彼此之间具有非线性和随机性的特点。传统方法在预测时往往只考虑目标路段在时间维上的交通流变量，缺乏对空间关联路段交通流有效信息的利用，不足以准确反映城市交通流的复杂变化特征。近年来，随着深度学习的流行，不少学者利用深度神经网络来分析交通流的时空特征，训练后的模型可以得到理想的预测结果。然而，深度神经网络所取得的成功需要巨大的数据集和很长的训练时间作为代价。为克服现有方法的缺陷，需要提出利用城市道路交通流时空关联信息的预测方法，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而提高短时交通流预测的效率和准确性。
技术实现思路
本专利技术的目的在于提供一种考虑时空相关性的短时交通流预测方法，该方法利用城市道路交通流时空关联信息进行预测，可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而提高短时交通流预测的准确性。为实现上述目的，本专利技术的技术方案是：一种考虑时空相关性的短时交通流预测方法，包括如下步骤，步骤S1：考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；步骤S2：利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；步骤S3：考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；步骤S4：采用熵值法融合时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值，生成目标检测点短时交通流的最终预测结果；步骤S5：根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。在本专利技术一实施例中，在所述步骤S1中，所述短时交通流的时间关联预测值通过如下方式获取：步骤S11：收集目标检测点的交通流数据集，通过皮尔逊相关系数计算之前h周同一天交通流数据彼此间的时间相关性：其中，σ和分别为样本数据X和的标准差；步骤S12：获取第mT周之前在当前时刻下一时段所对应时段的历史交通流值：步骤S13：统计平均这些同一时段的历史交通流量值，得到目标检测点在下一时段短时交通流量的时间关联预测值：在本专利技术一实施例中，在所述步骤S2中，利用层次聚类方法分析上下游交通流的空间相关性，从一个聚类簇中选取一个关联点，同时确保每两个选取点之间有一个立交桥或交叉路口。在本专利技术一实施例中，在所述步骤S3中，所述短时交通流的空间关联预测值通过如下方式获取：步骤S31：计算目标检测点与其空间关联点交通流的皮尔逊相关系数：其中，为的标准差，r为空间关联点的数目；步骤S32：获取关联点nS在时的交通流量值：其中，表示关联点nS到目标检测点的延时；步骤S33：统计平均这些空间关联点在对应时段的交通流量值，得到目标检测点在下一时段短时交通流量的空间关联预测值：在本专利技术一实施例中，在所述步骤S4中，利用熵值法得到短时交通流最终预测结果的过程如下：步骤S41：假设支持向量机或神经网络对短时交通流量的预测值为PA(t+1)，线性组合所述时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值三个预测值，作为目标检测点短时交通流量的最终预测结果：P(t+1)＝λ1PA(t+1)+λ2PT(t+1)+λ3PS(t+1)其中，融合权重λ1、λ2和λ3满足关系：λ1+λ2+λ3＝1；步骤S42：假设PA(t)，PT(t)和PS(t)均是P(t)的无偏估计，且它们各自的归一化预测误差分别为eA(t)，eT(t)和eS(t)，则通过以下公式计算三者的融合权重：其中，表示单个预测方法在当前时刻的相对误差率，N表示预测方法所采用的时间周期数。在本专利技术一实施例中，在所述步骤S5中，采用以下的评价标准对预测误差进行评价分析：1)平均绝对百分误差(MAPE)：2)均方根误差(RMSE)：3)相关系数(R)：其中，Yi为实际交通量，Yi*为预测的交通流量，n为样本个数。相较于现有技术，本专利技术具有以下有益效果：本专利技术提出的一种考虑时空相关性的短时交通流预测方法，利用城市道路交通流时空关联信息进行预测，可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而提高短时交通流预测的准确性。附图说明图1是本专利技术实施例中目标检测点交通流的历史时序图和时间相关性。图2是本专利技术实施例中目标检测点的空间关联点示意图。图3是本专利技术实施例中利用层次聚类方法分析得到的研究对象交通流的空间相关性结果。图4是本专利技术实施例中利用本专利技术所提出的方法预测生成的目标检测点短时交通流的时空关联预测结果。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。本专利技术的一种考虑时空相关性的短时交通流预测方法，具体按照如下步骤实现，步骤S1：考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；在本实施例中，首先，收集目标检测点的交通流数据集，通过皮尔逊相关系数计算之前h周同一天交通流数据彼此间的时间相关性：其中，σ和分别为样本数据X和的标准差。进一步的，获取第mT周之前在当前时刻下一时段所对应时段的历史交通流值：进一步的，统计平均这些同一时段的历史交通流量值，得到目标检测点在下一时段短时交通流量的时间关联预测值：步骤S2：利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点。在本实施例中，在研究区域范围内可能有很多空间关联点，不失一般性地，考虑目标检测点上下游的空间点。利用层次聚类方法分析上下游交通流的空间相关性，从一个聚类簇中选取一个关联点，同时确保每两个选取点之间有一个立交桥或交叉路口。显然，这些关联点处的交通流对目标检测点有相当大的影响，因此所采取的方法可以较好地反映城市路网上交通流的空间相关性。步骤S3：考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值。在本实施例中，计算目标检测点与其空间关联点交通流的皮尔逊相关系数：其中，为的标准差，r为空间关联点的数目。进一步的，获取关联点nS在时的交通流量值：其中，表示关联点nS到目标检测点的延时；进一步的，统计平均这些空间关联点在对应时段的交通流量值，得到目标检测点在下一时段短时交通流量的空间关联预测值：步骤S4：采用熵值法融合时间关联预测值、空间关联预测值以及支持向量机或神经网络的预测值，生成目标检测点短时交通流的最终预测结果。在本实施例中，假设支持向量机或神经网络对短时交通流量的预测值为PA(t+1)，线性组合所述时间关联预测值、空间关联预测值以及支持向量机或神经网络的预测值三个预测值，作为目标检测点短时交通流量的最终预测结果：P(t+1)＝λ1PA(t+1)+λ2PT(t+1)+λ本文档来自技高网...

【技术保护点】
一种考虑时空相关性的短时交通流预测方法，其特征在于：包括如下步骤，步骤S1：考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；步骤S2：利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；步骤S3：考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；步骤S4：采用熵值法融合时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值，生成目标检测点短时交通流的最终预测结果；步骤S5：根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。

【技术特征摘要】
1.一种考虑时空相关性的短时交通流预测方法，其特征在于：包括如下步骤，步骤S1：考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；步骤S2：利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；步骤S3：考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；步骤S4：采用熵值法融合时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值，生成目标检测点短时交通流的最终预测结果；步骤S5：根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。2.根据权利要求1所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S1中，所述短时交通流的时间关联预测值通过如下方式获取：步骤S11：收集目标检测点的交通流数据集，通过皮尔逊相关系数计算之前h周同一天交通流数据彼此间的时间相关性：其中，σ和分别为样本数据X和的标准差；步骤S12：获取第mT周之前在当前时刻下一时段所对应时段的历史交通流值：步骤S13：统计平均这些同一时段的历史交通流量值，得到目标检测点在下一时段短时交通流量的时间关联预测值：3.根据权利要求1所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S2中，利用层次聚类方法分析上下游交通流的空间相关性，从一个聚类簇中选取一个关联点，同时确保每两个选取点之间有一个立交桥或交叉路口。4.根据权利要求2所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S3中，所述短时交通流的空间关联预测值通过如下方式获取：步骤S31：计算目标检测点与其空间关联点交通流的皮尔逊相关系数：其中，为的标准差，r为空间关联点的数目；步骤S32：获取关联点nS在时...

【专利技术属性】
技术研发人员：冯心欣，凌献尧，王彪，郑海峰，徐艺文，陈忠辉，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35