【技术实现步骤摘要】
基于时空特征选择和卡尔曼滤波的短时交通流预测方法
本专利技术涉及卡尔曼滤波算法和交通流预测等
,具体地说,是一种基于时空特征选择和卡尔曼滤波的短时交通流预测方法。
技术介绍
智能交通系统(ITS),是在关键基础理论模型研究的前提下,以缓解道路拥堵和降低交通事故为目的,把先进信息技术、电子控制技术、数据通信技术和电子定位控制技术等有机结合,进而建立起全方位、宽范围、高效率、智能化的交通运输分析与选线管理系统的总称。针对道路短时交通流量的分析与预测是智能交通系统的关键性内容,有针对性的开展短时交通流预测理论与方法研究,并得出有效分析、预测的数据,准确预判路网交通流状态,是目前智能交通系统的发展的当务之急,也是其研究和讨论的重点问题。悉尼协调自适应交通控制系统(SCATS)是一种适应性很广的系统。该系统利用安装在靠近车道下游停车线处的线圈实时获得周期、周期时长、流量等参数。短时交通流预测的步长通常为5分钟,但SCATS数据的周期时长却是动态变化的,且数据质量不高。为此在对数据预处理后,需要对原始SCATS数据进行流量聚合,以获得固定时间间隔的流量,此固定的时间间隔被称为虚拟周期。在SCATS中,下游停车线处的横截面被称为断面,系统为每个断面都分配了一个断面编号。在城市道路中,相邻交叉口的断面之间往往具有较高的空间相关性。相邻区域内的断面组成的断面集合被称作断面组。将断面的流量按时间顺序排列得到的序列称为交通流时间序列。多维标度法是多元统计分析方法中的一类。在实际应用中,多选择RSQ值作为多维标 ...
【技术保护点】
1.一种基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于,包括以下步骤:/n步骤一,对原始SCATS数据进行t分钟流量聚合;/n步骤二,对聚合后的数据进行归一化处理,将归一化后的数据划分为训练集、验证集和测试集;/n步骤三,通过对预测断面及其相邻区域内的断面组应用多维标度法,找出与预测断面相关性最高的n个断面;/n步骤四,应用时空特征选择算法对由预测断面及与预测断面相关性最高的n个断面的不同时滞形成的时空特征进行特征选择,确定出卡尔曼滤波模型的最佳输入特征;/n步骤五,利用确定最佳输入特征的卡尔曼滤波模型对测试数据集进行流量预测,得到最终预测结果。/n
【技术特征摘要】
1.一种基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于,包括以下步骤:
步骤一,对原始SCATS数据进行t分钟流量聚合;
步骤二,对聚合后的数据进行归一化处理,将归一化后的数据划分为训练集、验证集和测试集;
步骤三,通过对预测断面及其相邻区域内的断面组应用多维标度法,找出与预测断面相关性最高的n个断面;
步骤四,应用时空特征选择算法对由预测断面及与预测断面相关性最高的n个断面的不同时滞形成的时空特征进行特征选择,确定出卡尔曼滤波模型的最佳输入特征;
步骤五,利用确定最佳输入特征的卡尔曼滤波模型对测试数据集进行流量预测,得到最终预测结果。
2.根据权利要求1所述的基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于:所述原始SCATS数据包括交叉口编号、战略通道、线圈编号、周期开始时间、相位开始时间、相位、相位时长、周期时长、饱和度、流量、日期、星期的数据集。
3.根据权利要求1所述的基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于:步骤一中所述t的取值范围为{3,5,10,15}。
4.根据权利要求1所述的基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于,步骤一中实现流量聚合的具体方法如下:
通过周期开始时间与流量这两个参数对各线圈进行t分钟流量聚合,单个信号周期内单位时间的流量计算公式如下:
其中,是路口i的线圈l在第k个周期内单位时间的平均流量;qi,l(k)是路口i的线圈l在第k个周期的总流量;Ti,l(k)是路口i的线圈l在第k个周期的周期开始时间;从实际周期到聚合的虚拟周期的映射关系为:
其中,qi,l(m)是路口i的线圈l在虚拟周期m内的总流量;tk是虚拟周期m在实际周期k内的时长;N为虚拟周期m跨越实际周期的个数。
5.根据权利要求1所述的基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于:步骤二中将数据集的百分之80的数据作为训练集,将百分之10的数据作为验证集,将百分之10的数据作为测试集。
6.根据权利要求1所述的基于时空特征选择和卡尔曼滤波的短时交通流预测方法,其特征在于,步骤三中通过对预测断面及其相邻区域内的断面组应用多维标度法,找出与预测断面相关性最高的n个断面的具体步骤如下:
3.1:将预测断面...
【专利技术属性】
技术研发人员:张伟斌,张卓伟,郭海锋,
申请(专利权)人:银江股份有限公司,南京理工大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。