针对无差异性划分和数据稀疏的动态短时交通流预测系统技术方案

本发明专利技术请求保护一种针对交通流无差异性划分和数据稀疏的动态短时交通流预测系统。首先，获取数据源。其次，路口相关性分析。根据空间路口在同一时间周期下得到的短时交通流数据，利用层次聚类，设置距离阈值，度量交通流相似性，加强了预测路口内部相关性。第三，建立模型，根据多维数据处理基础思想和方法，结合时间上的周期特性，同时针对数据稀疏问题，构建短时交通流张量预测模型。第四，预测和分析过程。引入滑动窗口，使张量成为在时间序列上的动态张量流，利用张量分解的数据压缩和维度转换特性，通过对缺失值的不断迭代，优化处理过程，实现动态的短时交通流预测。本发明专利技术有效改善了数据稀疏性产生的问题，提高了预测性能。

【技术实现步骤摘要】
针对无差异性划分和数据稀疏的动态短时交通流预测系统
本专利技术属于智能交通分析领域，涉及短时交通流分析，尤其是区域多个路口基于动态张量分解的短时车流量预测。
技术介绍
随着智能交通系统的不断发展,在交通领域，借助于物联网提供的感知设备和网络，可以感知并收集到道路上与人、车、路、环境等相关的多种动静态数据。充分挖掘和利用这些数据，可以为大众提供出行服务，为交通行业提供车辆、物流等监控服务，为城市管理提供辅助决策。短时交通流预测作为智能交通领域的一个研究热点,是实现智能交通控制和交通疏导的关键技术之一。现阶段，由于交通流数据预测的重要性，研究者一直在探索交通流数据预测理论。其主要研究从交通流数据的时空特性展开，所使用的方法包括基于单一时间序列的分析、基于相邻交通流的分析和基于时空特性的分析等。在针对城市交通的短时交通流预测中，多数研究主要从时空特性展开，结合交通流数据的周期特点进行短时交通流预测。基于时空特性的交通流预测虽然取得了一定的效果，但实际情况存在大量数据丢失的情况，造成较严重的数据稀疏性问题，传统的方法预测性能急剧下降。同时对交通流的无差异性划分，预测方法难以利用交通流数据间的本文档来自技高网...

【技术保护点】
1.一种针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，包括：数据源获取模块，用于获取在不同时间点某路口的过车记录以及车辆信息；路口相关性分析模块，根据获得数据源的交通流信息，得到预测路口在同一时间周期下的短时交通流时间序列短时交通流数据，采用层次聚类法，其主要思想是，先把每一个样本点看成一个聚类，然后不断重复的将其中最近的两个聚类合并，直到满足迭代终止条件，设置距离阈值，度量交通流相似性，加强预测路口内部相关性；短时交通流张量预测模型构建模块，结合时间维度、空间维度、时间周期维度，根据不同的周期维度建立不同的张量模型，从多个角度挖掘交通流变化趋势，根据路口相关性分析得到的强相...

【技术特征摘要】
1.一种针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，包括：数据源获取模块，用于获取在不同时间点某路口的过车记录以及车辆信息；路口相关性分析模块，根据获得数据源的交通流信息，得到预测路口在同一时间周期下的短时交通流时间序列短时交通流数据，采用层次聚类法，其主要思想是，先把每一个样本点看成一个聚类，然后不断重复的将其中最近的两个聚类合并，直到满足迭代终止条件，设置距离阈值，度量交通流相似性，加强预测路口内部相关性；短时交通流张量预测模型构建模块，结合时间维度、空间维度、时间周期维度，根据不同的周期维度建立不同的张量模型，从多个角度挖掘交通流变化趋势，根据路口相关性分析得到的强相关性路口，构建基于“路口-X-时段”的短时交通流张量预测模型，将预测路口的短时交通流数据填充进张量模型，基于较强相似性的交通流数据的分析提高了张量模型的泛化能力；预测和分析模块，预测和分析模块，利用构建的短时交通流预测张量模型对交通数据进行分析，通过引入滑动窗口，使构建的张量成为在时间序列上的动态张量流，利用张量分解的数据压缩和维度转换特性，通过对缺失值的逐次迭代，优化处理过程，结合交通流张量在时间上的动态特性，利用动态张量分解实现路口短时交通流的预测。2.根据权利要求1所述的针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，所述数据源获取模块，用于获取在不同时间点某路口的过车记录以及车辆信息，具体包括：S11：获取数据，各路口在不同时间点的过车数据，包括过车方向，过车车牌，路口名称与位置；S12：预处理原始数据。对数据源重复数据、无效数据进行清洗。3.根据权利要求1所述的针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，所述路口相关性分析模块分为路口短时交通流的获得和对交通流的相似性度量，具体包括：S21：空间路口选定，根据路口的空间关联性，根据获得数据选定区域相关的m个路口；S22：提取路口在时间周期下的短时车流量数据，选取高密度车流量时间段，利用层次聚类，设定距离阈值，对交通流数据进行相似性划分，实现对路口的相关性分析。4.根据权利要求3所述的针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，所述S22选取高密度车流量时间段，利用层次聚类，设定距离阈值，对交通流数据进行相似性划分，具体包括：S221：获取路口在时间周期上的短时车流量时间区域[t0,tn],其中t0表示路口车流量的起始时间，tn表示路口车流量的截止时间，然后在路口车流量的时间区域内进行短时段分片，根据交通流特点，对时间区域进行具体划分T＝{1,2,3,…,t,…n}，从获得的交通数据中，得到各个路口的交通流时间序列vi＝[xi1,xi2,xi3…xin]，其中xin表示第i个路口在第n个时间段内的车流量，构建交通流序列矩阵Vm×n＝[v1v2...vm]T；S222：根据以上得...

【专利技术属性】
技术研发人员：刘宴兵，程川云，刘浩宇，肖云鹏，朱萌钢，朱耀堃，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50