一种用于道路断面的在线短时交通流预测方法技术

本发明专利技术提供一种用于道路断面的在线短时交通流预测方法，包括以下步骤：S1.获取道路路段的浮动车速度数据、交通流量数据，并分别将其处理为时间序列形式；S2.将所述浮动车速度数据时间序列、交通流量数据时间序列转换为相同的时间窗粒度；S3.利用小波变换对浮动车速度数据时间序列进行平滑降噪处理；S4.构建时空状态向量；S5.根据所述时空状态向量采用粒子群算法对SVR模型的参数C、γ进行优化,得出最优SVR预测模型；S6.将测试样本输入由S5得到的预测模型中，得出预测结果；S7.根据实时预测误差反馈优化S5预测模型参数。本发明专利技术能够在时空两个维度融合有关路面车辆的浮动车数据与道路设备采集的交通流量数据，能够在线优化预测模型，能够准确地预测短时预测道路路段的交通流量。

An online short-term traffic flow prediction method for road sections

【技术实现步骤摘要】
一种用于道路断面的在线短时交通流预测方法
本专利技术涉及智能交通
，尤其涉及用于道路断面的在线短时交通流预测方法。
技术介绍
随着社会的发展，交通堵塞、环境污染和能源消耗等问题日趋严重，交通问题越来越成为城市治理的“热点话题”。2015年德克萨斯州交通研究所的报告指出，美国公路过度拥挤每年耗费大约1600亿美元。我国的许多大城市也陷入了“拥有最宽阔的马路，也拥有最宽阔的‘停车场’”的困境，严重影响了城市的运转效率，对于社会、经济的快速发展带来了不可忽视的阻碍。解决以上问题的关键就在于利用先进的交通管理系统(ATMS)、先进的交通信息系统(ATIS)以及动态路径诱导系统(DGRS)等先进的智能交通手段来缓解交通拥堵问题。而实现这些的系统的关键，就需要实时、可靠、准确的交通预测信息。目前的短时交通预测方法中鲜有考虑到道路空间结构并且采用多源的数据进行预测的方法，并且随着信息技术的发展，获取更准确、更高覆盖率以及更全面交通数据成为了可能，随着计算技术的发展，满足实时化需求的短时交通预测方法才能够更好发挥实际应用的效果。因此，有必本文档来自技高网...

【技术保护点】
1.一种用于道路断面的在线短时交通流预测方法，其特征在于，包括以下步骤：/nS1.获取道路路段的浮动车速度数据、交通流量数据，并分别将其处理为时间序列形式；/nS2.将所述浮动车速度数据时间序列、交通流量数据时间序列转换为相同的时间窗粒度；/nS3.利用小波变换对浮动车速度数据时间序列进行平滑降噪处理；/nS4.基于待预测路段、上下游路段的速度数据时间序列、交通流量数据时间序列构建时空状态向量；/nS5.根据所述时空状态向量采用粒子群算法对SVR模型的参数C、γ进行优化,得出最优SVR预测模型；/nS6.将测试样本输入由S5得到的预测模型中，得出预测结果；/nS7.根据实时预测误差反馈优化S5...

【技术特征摘要】
1.一种用于道路断面的在线短时交通流预测方法，其特征在于，包括以下步骤：
S1.获取道路路段的浮动车速度数据、交通流量数据，并分别将其处理为时间序列形式；
S2.将所述浮动车速度数据时间序列、交通流量数据时间序列转换为相同的时间窗粒度；
S3.利用小波变换对浮动车速度数据时间序列进行平滑降噪处理；
S4.基于待预测路段、上下游路段的速度数据时间序列、交通流量数据时间序列构建时空状态向量；
S5.根据所述时空状态向量采用粒子群算法对SVR模型的参数C、γ进行优化,得出最优SVR预测模型；
S6.将测试样本输入由S5得到的预测模型中，得出预测结果；
S7.根据实时预测误差反馈优化S5预测模型参数。


2.根据权利要求1所述的方法，其特征还在于，所述步骤S1包括：
S11.对于待预测路段，假设浮动车速度数据的时间窗粒度为获取其一天的数据构成时间序列为：
[v1，v2，…，vi，…，vn]
S12.根据道路网的拓扑关系，确定待预测路段的上下游路段，获取上下游路段一天的数据构成的时间序列：






S13.获取待预测路段断面的车流量数据，车辆j经过路段断面的时间为tj，按照经过时间排序，其数据格式为：
[t1，t2，…，tj，…，tm]。


3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
按照一天中每个车辆经过的时间，获取每个时间窗内的车流量，获取车流量时间序列为：
[Q1，Q2，…，Qi，…，Qn]。


4.根据权利要求3所述的方法，其特征还在于，通过对时间tj进行遍历获取车流量时间序列：
如果k为1到n的整数，则Qk+1。


...

【专利技术属性】
技术研发人员：张正超，王依能，纪丛原，何方，李萌，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11