一种基于时空依赖的预测修正算法制造技术

本发明专利技术公开了一种基于时间依赖的预测修正算法，本算法针对现有研究没有充分挖掘交通流时空依赖的问题，引入两层筛选结构，进一步分析了预测节点与周边空间节点的时空关系。为了细化相关性分析的粒度，本算法首先对节点相似性度量函数进行优化，并结合双重过滤准则选出空间依赖节点。然后利用空间依赖节点动态生成时空片段，并通过距离度量函数选择最相关的时空依赖片段。最后对前期预测结果和时空依赖片段对应的预测值建立多输入回归模型，从而到达预测修正的目的。本算法相对于其他基于时空依赖的算法而言，在预测精度上有一定的优势。

【技术实现步骤摘要】
一种基于时空依赖的预测修正算法一、
本专利技术涉及智能交通领域，尤其涉及短时交通流预测，具体是一种基于时空依赖的预测修正算法。二、
技术介绍
一个有效的交通流预测模型对于路线规划、交通控制和智能驾驶等方面十分重要。交通流数据不仅具有时间规律性，还具有空间依赖性。和普通时间序列数据不同，交通流数据往往还会受到其所在交通网络的影响，所以只对预测节点建立一维的时变模型是片面的。时空依赖的引入将交通流预测研究上升到了二维的时空矩阵层面，如何挖掘交通流数据中的时空依赖并加以利用是研究的关键问题。为了进一步分析和利用空间节点之间的依赖关系，可以将现有的时空依赖分析方法归纳为两个类别：基于地理因素的方法和基于相关性分析的方法。基于地理因素的方法又称为状态空间方法，该方法的理论依据是地理学第一定律，在交通流预测研究中表现为空间中每一个节点都与另一个节点息息相关，但是距离更近的节点之间的依赖关系更强。一些研究利用预测节点的上游节点或下游节点中的交通流数据建立时空依赖，大量研究结果显示引入时空依赖的预测模型具有更好的预测效果。还有一些研究根据两个空间节点的本文档来自技高网...

【技术保护点】
1.一种基于时空依赖的预测修正算法，其特征在于：/n通过对节点相似性度量函数进行优化，并结合双重过滤准则选出最相关的空间依赖节点；然后利用空间依赖节点动态生成相应的时空片段，并通过距离度量函数选择最相关的时空依赖片段，这样可以细化相关性分析的粒度；最后对前期预测结果和时空依赖片段对应的预测值建立多输入回归模型，从而到达预测修正的目的：/n具体做法是：/n第一步，空间节点相似性度量过程；在两层筛选结构中，首先需要在第一层中筛选出与预测节点最相关的空间依赖节点，本算法采用DC系数和双重过滤准则确定两个空间节点之间依赖程度；/n第二步，时空片段距离度量过程；在两层筛选结构的第一层中已经完成了对空间依...

【技术特征摘要】
1.一种基于时空依赖的预测修正算法，其特征在于：
通过对节点相似性度量函数进行优化，并结合双重过滤准则选出最相关的空间依赖节点；然后利用空间依赖节点动态生成相应的时空片段，并通过距离度量函数选择最相关的时空依赖片段，这样可以细化相关性分析的粒度；最后对前期预测结果和时空依赖片段对应的预测值建立多输入回归模型，从而到达预测修正的目的：
具体做法是：
第一步，空间节点相似性度量过程；在两层筛选结构中，首先需要在第一层中筛选出与预测节点最相关的空间依赖节点，本算法采用DC系数和双重过滤准则确定两个空间节点之间依赖程度；
第二步，时空片段距离度量过程；在两层筛选结构的第一层中已经完成了对空间依赖节点的筛选，在第二层中将利用空间依赖节点建立时空矩阵，并对时空矩阵进行分割以得到时空片段，最后通过距离度量函数确定最终的时空依赖片段；
第三步，多输入回归模型建立过程；本算法的目的是利用时空依赖对预测模型的前期预测结果进行修正，为了将时空依赖嵌入到预测模型之中，需要建立多输入回归模型。


2.如权利要求1所述的空间节点相似性度量过程，其特征在于：使用DC系数对相关性分析方法进行优化，并引入了双重过滤准则：
相关性分析方法用于衡量两个变量之间的相似性，两个变量之间越相似，则其中一个变量中关于另一个变量的信息就越多，相较于Pearson相关系数而言，DC系数不需要任何的模型假设和参数条件，其通过对变量构造距离矩阵的方式，既可以刻画变量之间的线性关系，又可以刻画变量之间的非线性关系；当两个变量之间的DC系数为0时，说明这两个变量是相互独立的；DC系数在环境科...

【专利技术属性】
技术研发人员：陈彦如，张媛媛，林罗杰，王浩，胡顺仿，刘畅，魏亮雄，王伟，张磊，梁刚，许春，陈良银，
申请(专利权)人：成都易书桥科技有限公司，
类型：发明
国别省市：四川;51