一种基于历史和周边路口数据的拥堵预测算法制造技术

一种基于历史和周边路口数据的拥堵预测算法，包括下列步骤：步骤1.对交通数据进行实时的更新和预处理；步骤2.输入预测的目标路口和时间区间；步骤3.讲当前区域车流量数据与历史数据进行匹配，找出相似的时间区间进而进行预测。本发明专利技术根据“交通流量预测”的问题，利用非参数回归的算法思想，结合历史数据和周边路口数据进行交通流量的预测，有效的实现了交通数据流量的预测。本发明专利技术最终实现的功能是能够根据用户对交通拥堵预测情况的需求，预测目标路口在需求时间的拥堵情况，并且可以高效准确的实现交通流量的预测。

【技术实现步骤摘要】
一种基于历史和周边路口数据的拥堵预测算法
本专利技术提出了一种基于历史数据和周边路口数据的拥堵预测算法。技术背景随着科技的发展，人民生活水平的提高，越来越多的人拥有私家车，交通拥堵问题成为人们不得不去面对的问题。如何缓解交通拥堵成为我们亟待解决的问题。大城市中已有的解决方法有通过摇号限制私家车数目的增加，限制外地车进入城市以及限制单双号车驶入等等手段。但仅仅依靠这些还是很难解决拥堵，在上下班高峰期更是如此。而若我们能够及时准确地预测交通流量，就可以通过调控红绿灯周期、告知广大用户未来交通状况等手段有效的减缓交通拥堵。可见对于“如何实时预测道路交通流量”这一问题的解决，具有非常重大的实际意义。交通流量的实时预测是根据历史上各个路口单位时间内通过的车辆数，借助一些预测方法来进行预测的。目前，国内外已有的实时预测方法主要分为两种，一种是依据单个路口的历史数据来进行预测，另外一种是依据需要预测的路口以及周围多个路口的历史数据来进行预测。第一种方法有利用ARIMA、神经网络、卡尔曼滤波等模型进行预测。第二种方法是最近几年国际上研究比较多的方法，主要是利用空间时间序列进行预测。除了以上两种，目前还有依据深度学习,混沌理论来预测。第一种预测方法较为简单但在预测时间稍长的情况下，预测准确度不高；第二种方法相比第一种方法准确度提高，但方法中涉及到需要求的参数过多，运算复杂，计算机需要执行的时间较长。
技术实现思路
本专利技术要克服现有技术的上述缺点，提出一种基于历史数据和周边路口数据的拥堵预测算法。本专利技术采用一种高效、实时性强、预测准确且计算量较小的模型。通过分析路口每天车流量的变化，发现路口每天的车流量的趋势是非常相像，每天都有相同早晚高峰。因此可以通过与历史数据进行一个一个匹配比较。但如果仅仅用一个路口的车流量去匹配可能会造成一些误差，在这基础上，提出了一种基于周边路口车流量的交通流量方法，通过比较当前的一段时间内的目标路口及其周围附近路口的车流量变化与历史上相同路口的车流量变化，选择相似性最高的前几个历史时间段，最后利用历史数据进行一个预测若仅仅采用单路口匹配预测并不能做到一个良好的匹配，因为要预测的那个目标路口的车流量状况要受到起周围车流量状况的影响。在预测模型上，本专利技术并没有采用常规的预测模型。国际上曾有学者分析过车流变化的不确定因素太多太多，其规律也很难掌握。在用了常规的ARIMA模型预测发现，模型只能在预测较短时间的车流量，当预测时间延长时，其准确率大大降低。因此若采用常规的预测模型并不能预测准确，即使在较短时间内的预测准确，时间稍微延长一些其准确率肯定会降低很多。而本专利技术的模型在预测时间上较长，可以预测未来两个小时的车流量，并且准确率高。目前，国际上用的较为多的时间空间序列模型，其涉及到的求解的参数很多，每做一次预测就要对大量参数进行估计，并且估计难度大，计算机需要较长时间去估计预测。而本专利技术的模型不涉及到任何参数的求解估计，在计算匹配度上也仅仅采用了加减乘除运算等基本运算，并未涉及到其他运算，并且在匹配的过程中也能非常迅速找到匹配时间段。因此预测模型的计算复杂度极小，模型做一次预测的时间也很短，能够做到实时性预测。综上所述，本专利技术的模型的优点主要如下三点：(1)计算复杂度小，做预测的时间短，做一次预测仅需1秒多的时间，预测能够达到实时性；(2)预测准确度高，预测未来2个小时内的车流量准确度基本可以达到90％。本专利技术所述的基于历史数据和周边路口的拥堵预测算法，包括下列步骤：步骤1.计算单路口与历史数据的相似性；对于某个确定的路口A，周围的建筑设施、公共环境等在不同时间段内基本不变，改变的只有人们选择出行的时间，因此往往路口A在单位时间的车流量会呈现一定的周期性和相似性，例如每天都会出现早高峰、晚高峰等等。这里的单位时间指具有独立车流量统计信息的时间段，例如能获得路口A每5分钟的车流量统计信息，那么就可以把5分钟作为一个单位时间。在进行相似度计算前，要先建立历史数据库，将每个单位时间的车流量用Vt做表示，t随时间以早到晚的顺序从小到大标记。在做路口车流量实时预测时，需要通过历史数据的特征，经过一定函数的映射，得到预测时间段内的车流量。那么，如何选取合适的历史数据呢？在这里引入并定义单路口单位时间历史相似度概念。假设路口A当前单位时间内车流量为Vt0，历史上该路口某个单位时间内车流量为Vt1，则该路口单位时间的历史相似度为：然而，用相对百分比衡量相似度时，会出现因不同历史数据悬殊而造成相似度失真的情况。以下面两个情景为例：●A路口当前单位时间车流量为2，历史某一时段车流量为4；●A路口当前单位时间车流量为50，历史某一时段车流量为100。根据公式(1)，这两个时间段的相似度均为0.5，但是根据实际，明显第二个情景的相似度远远小于第一个情景。因此，将单路口单位时间历史相似度公式修正如下：其中，阈值是通过多次实验调试出来的最佳参数，计算不同路口单位时间的历史相似度可以取相同的值也可取不同的值。经过修改，能更好地反映当前单位时段与历史单位时段的某一路口相似度。这里的相似度可以为负数，若相似度为负数则可以说明两个单位时间的车流量状况及其不相似。r步骤2、求取包含目标路口A的区域单位时间的历史相似度；假设所需要预测的是A路口的车流量，则A路口为我们的目标路口。实际情况中，目标路口A的车流量情况往往与目标路口A周围路口情况息息相关。当预测目标路口A交通情况时，可以考察当前时段包含目标路口A的这片区域的整体交通情况，并将之与该片区域的历史数据作比较，找出与当前最为相似的情况；以该相似度较高的历史数据为基础，预测得到未来时段的目标路口A车流量。在选定区域时，我们可以选择目标路口A周围若干千米以内的路口。确定区域后，要研究每个路口与目标路口A的相关性。这里采用统计上的相关性分析进行分析。相关性系数越大，说明两个路口之间的关联性越强；相关性越小，则反之。假设选取n个连续单位时间段进行比较，对于目标路口A，这n个单位时间段的数据构成的向量为V(0)＝(vt(0),vt-1(0),...vt-n+1(0)),t为当前时刻；对于周围第n个路口，这n个单位时间段的数据构成的单位时间车流量向量V(j)＝(vt(j),vt-1(j),...vt-n+1(j))。那么路口j和目标路口A的样本相关系数为:其中，为目标路口A在这n个时间段的平均车流量，为周围路口j在这n个时间段的平均车流量。假设选取了目标路口周围个路口，利用公式(2)，求得周围各个路口与某一历史单位时间的相似性向量为E＝(r1,r2,r3,...,rm)。周围第j个路口相似度对该片区域影响程度wj，由其与目标路口A的样本相关系数决定:通过公式(4)得到权重向量W1＝(w1,w2,w3,...,wm)。将周围路口和目标路口的历史相似度加成，得到最终的区域单位时间的历史相似度：R＝p1·r0+(1-p1)·W1·E′(5)其中，p1为设定的比例系数，r0为目标路口与历史单位时间车流量的相似性，E’是向量E的转置。这种用区域搜寻最相似历史数据的方法，比只关注单路口的方法更稳定，更可靠。步骤3.基于区域多短时间的历史相似度预测；不仅目标路口的周围路口在单位时间内的车流量情况会影响本文档来自技高网...

【技术保护点】
1.基于历史数据和周边路口的拥堵预测算法，包括下列步骤：步骤1.计算单路口与历史数据的相似性；定义单路口单位时间历史相似度概念r如式(1)；假设路口A当前单位时间内车流量为Vt0，历史上该路口某个单位时间内车流量为Vt1，则该路口单位时间的历史相似度为：

【技术特征摘要】
1.基于历史数据和周边路口的拥堵预测算法，包括下列步骤：步骤1.计算单路口与历史数据的相似性；定义单路口单位时间历史相似度概念r如式(1)；假设路口A当前单位时间内车流量为Vt0，历史上该路口某个单位时间内车流量为Vt1，则该路口单位时间的历史相似度为：将单路口单位时间历史相似度r修正如式(2)：其中，阈值δ是通过多次实验调试出来的最佳参数，计算不同路口单位时间的历史相似度取相同的值或取不同的值；步骤2、求取包含目标路口A的区域单位时间的历史相似度；目标路口A的车流量情况与A路口周围路口情况相关；当预测目标路口A交通情况时，考察当前时段包含目标路口A的这片区域的整体交通情况，并将之与该片区域的历史数据作比较，找出与当前最为相似的情况；以该相似度较高的历史数据为基础，预测得到未来时段的目标路口A车流量；在选定区域时，选择A路口周围若干千米以内的路口；确定区域后，研究每个路口与A路口的相关性，采用统计上的相关性分析进行分析，相关性系数越大，说明两个路口之间的关联性越强；相关性越小，则反之；假设选取n个连续单位时间段进行比较，对于目标路口A，这n个单位时间段的数据构成的向量为V(0)＝(vt(0),vt-1(0),...vt-n+1(0)),t为当前时刻；对于周围第n个路口，这n个单位时间段的数据构成的单位时间车流量向量V(j)＝(vt(j),vt-1(j),...vt-n+1(j))；那么路口j和目标路口A的样本相关系数为:其中，为目标路口A在这n个时间段的平均车流量，为周围路口j在这n个时间段的平均车流量；假设选取了目标路口周围个路口，利用公式(2)求得周围各个路口与某一历史单位时间的相似性向量为E＝(r1,r2,r3,...,rm)；周围第j个路口相似度对该片区域影响程度wj，由其...

【专利技术属性】
技术研发人员：曹斌，李浩，范菁，黄成斌，夏家峰，庞雄韬，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33