一种高速公路收费站交通流量预测方法及系统技术方案

本发明专利技术属于交通数据处理领域，公开了一种高速公路收费站交通流量预测方法及系统，采用的聚类方法以空间中k个点为中心进行聚类，对最靠近的对象归类，通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果；高速公路收费站交通流量预测方法还包括：采用关联规则和调用arules包对数据进行处理。本发明专利技术解决了大多建模过程与传统时间序列模型相似，存在模型参数无法动态调整，样本量过大导致序列的平稳性减弱，建模过程复杂等不足的问题。

【技术实现步骤摘要】
一种高速公路收费站交通流量预测方法及系统
本专利技术属于交通数据处理领域，尤其涉及一种高速公路收费站交通流量预测方法及系统。
技术介绍
交通流量预测能有效缓解交通拥堵，降低事故发生率，给出行者舒适安全的交通环境。道路交通变化是一个实时、非线性、非平稳的随机过程，统计时段越短，交通流量短时变化的随机性和不确定性越强。由于十字路口是城市交通的重要组成部分，交通情况复杂，干扰因素多，其交通能力不足的问题已成为交通网络的瓶颈。因此，十字路口短时交通流量预测的研究是实现城市交通智能化的一个关键问题。实时准确地把握高速公路的交通状态以保障其畅通有序运行，对于城市建设和经济发展具有十分重要的意义，现有检测技术已经能够实时监测高速公路的交通状态，但交通管理部门和出行者更关心未来短时间内的交通状态，预测未来短时间内的交通状态不仅能够为交管部门进行交通管制提供决策和支持，同时能够对出行者加以有效的路径诱导，短时交通状态预测的关键在于短时交通流量预测"目前关于短时交通流量预测的方法很多"如：时间序列模型、卡尔曼滤波、线性回归、历史平均等方法，时间序列模型就是其中较为成熟的预测方法之一，时间序列模型最主要的本文档来自技高网...

【技术保护点】
一种高速公路收费站交通流量预测方法，其特征在于，所述高速公路收费站交通流量预测方法包括：首先，源数据格式进行数据预处理，提取出交通流量的相关信息，然后采用聚类算法对数据进行聚类分析，得到相同类别的数据，之后采用ARIMA算法、Holt‑Winters方法对得到的相同类别的数据建立相关模型；再进行数据的初步预测，最后将预测结果与影响流量数据的因素采用多元线性回归的方法对数据进行分析，同时调整相关参数或修改部分特殊值，使最终预测数据接近真实值。

【技术特征摘要】
1.一种高速公路收费站交通流量预测方法，其特征在于，所述高速公路收费站交通流量预测方法包括：首先，源数据格式进行数据预处理，提取出交通流量的相关信息，然后采用聚类算法对数据进行聚类分析，得到相同类别的数据，之后采用ARIMA算法、Holt-Winters方法对得到的相同类别的数据建立相关模型；再进行数据的初步预测，最后将预测结果与影响流量数据的因素采用多元线性回归的方法对数据进行分析，同时调整相关参数或修改部分特殊值，使最终预测数据接近真实值。2.如权利要求1所述的高速公路收费站交通流量预测方法，其特征在于，采用的聚类方法以空间中k个点为中心进行聚类，对最靠近的对象归类，通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。3.如权利要求1所述的高速公路收费站交通流量预测方法，其特征在于，高速公路收费站交通流量预测方法还包括：采用关联规则和调用arules包对数据进行处理，具体包括：保留并更新平滑后的信号和平滑后的趋势两个量的状态，两个等式和两个拌合参数有：si＝αxi+(1-α)(si-1+ti-1)，(1)ti＝β(si-si-1)+(1-β)ti-1，(2)其中α，β是平滑参数，si是之前i个数据的平滑值，取值为[0,1]，α越接近1，平滑后的值越接近当前时间的...

【专利技术属性】
技术研发人员：李浩，康雁，刘家辉，陈铁，王蓉宇，李琛，饶宇浩，何磊，张一凡，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南,53