一种基于动态时空相关特征优化的短时交通流预测方法技术

本发明专利技术涉及一种基于动态时空相关特征优化的短时交通流预测方法，该方法包括：获取ETC门架数据和预测位置；根据ETC门架数据，构建路网拓扑结构；根据路网拓扑结构，筛选出局部路网位置集；量化预测位置、上游位置和下游位置的交通流动态时空相关性；根据交通流动态时空相关性，提取对应的动态时空相关特征；根据动态时空相关特征，构造原始训练张量，并利用主成分分析法进行优化，确定输入特征向量；将输入特征向量输入至交通流预测模型，输出对应的交通流预测值。本发明专利技术利用了路网封闭性较强、单个位置交通流与局部路网交通流存在强相关性的特点，可与拥堵预警相结合，为管理决策提供参考，提高高速公路的调度、协调、管理效率。

【技术实现步骤摘要】
一种基于动态时空相关特征优化的短时交通流预测方法
本专利技术涉及交通管理
，尤其涉及一种基于动态时空相关特征优化的短时交通流预测方法。
技术介绍
短时交通流量是指在一段较短时间内(一般取5分钟到20分钟)通过某一道路断面的车辆数量。短时交通流预测是指对某个特定位置或者多个特定位置未来一段较短时间内(一般取5分钟到20分钟)内的交通流量进行预测。由于短时交通流的波动较大，对其预测难度更大。但短时交通流因其时效性强的特点，对其预测不仅利于交通系统实时管理，还利于城市居民的出行，因此越来越受到重视，逐渐成为智能交通系统以及城市计算的重要基础。随着数据收集技术、人工智能技术以及相关硬件技术的快速发展，基于数据驱动的短时交通流预测已经成为智能交通系统中的一项核心技术。数据是智能交通的命脉，传统的交通流预测研究受限于匮乏的交通数据，在分析全面性和预测准确性方面还有较大的提升空间。因此，能否获得大量实时可靠的交通状态观测数据是能否进行交通流预测的重要前提。2020年1月，全国高速公路取消省界收费站，跨省通行不用在省界收费站缴费领卡通行。目前，高本文档来自技高网...

【技术保护点】
1.一种基于动态时空相关特征优化的短时交通流预测方法，其特征在于，包括：/n获取ETC门架数据和预测位置；/n根据所述ETC门架数据，构建路网拓扑结构；/n根据所述路网拓扑结构，筛选出所述预测位置对应的局部路网位置集，其中，所述局部路网位置集包括与所述预测位置相邻的多种上游位置、多种下游位置；/n量化所述预测位置、多种所述上游位置和多种所述下游位置的交通流动态时空相关性；/n根据所述预测位置和所述交通流动态时空相关性，提取对应的动态时空相关特征；/n根据所述动态时空相关特征，构造原始训练张量，并利用主成分分析法对所述原始训练张量进行优化，确定输入特征向量；/n将所述输入特征向量输入至训练完备的...

【技术特征摘要】
1.一种基于动态时空相关特征优化的短时交通流预测方法，其特征在于，包括：
获取ETC门架数据和预测位置；
根据所述ETC门架数据，构建路网拓扑结构；
根据所述路网拓扑结构，筛选出所述预测位置对应的局部路网位置集，其中，所述局部路网位置集包括与所述预测位置相邻的多种上游位置、多种下游位置；
量化所述预测位置、多种所述上游位置和多种所述下游位置的交通流动态时空相关性；
根据所述预测位置和所述交通流动态时空相关性，提取对应的动态时空相关特征；
根据所述动态时空相关特征，构造原始训练张量，并利用主成分分析法对所述原始训练张量进行优化，确定输入特征向量；
将所述输入特征向量输入至训练完备的交通流预测模型，输出对应的交通流预测值，用于确定所述预测位置的下一时间段的交通流。


2.根据权利要求1所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，所述根据所述ETC门架数据，构建路网拓扑结构包括：
根据多个ETC门架的所述ETC门架数据，提取多个车辆行驶轨迹；
根据多个所述车辆行驶轨迹，确定多个所述ETC门架之间的关联关系；
根据所述关联关系，构建所述路网拓扑结构。


3.根据权利要求1所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，所述根据所述路网拓扑结构，筛选出所述预测位置对应的局部路网位置集包括：
根据所述路网拓扑结构，确定所述预测位置对应的所述上游位置，其中，所述上游位置包括所述预测位置的上游路径位置，以及每个所述上游路径位置对应的所有上游路径位置；
根据所述路网拓扑结构，确定所述预测位置对应的所述下游位置，其中，所述下游位置包括所述预测位置的下游路径位置，以及每个所述下游路径位置对应的所有下游路径位置；
根据所述预测位置对应的所述上游位置、所述下游位置，确定所述预测位置对应的局部路网位置集。


4.根据权利要求1所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，所述交通流动态时空相关性包括时间相关系数和空间相关系数，所述量化所述预测位置、多种所述上游位置和多种所述下游位置的交通流动态时空相关性包括：
根据所述预测位置当前时间段的交通流和前N个时间段的交通流，确定对应的所述时间相关系数，其中，N为整数；
根据所述预测位置、多种所述上游位置以及多种所述下游位置分别对应的交通流，确定对应的所述空间相关系数。


5.根据权利要求4所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，所述根据所述预测位置当前时间段和前N个时间段的交通流，确定对应的所述时间相关系数包括：
分别计算所述预测位置当前时间段的交通流序列和所述前N个时间段的交通流序列之间的N个皮尔逊相关系数；
根据所述N个皮尔逊相关系数，确定对应的所述时间相关系数。


6.根据权利要求5所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，所述根据所述预测位置、多种所述上游位置以及多种所述下游位置分别对应的交通流，确定对应的所述空间相关系数包括：
针对不同时间段，根据所述预测位置的交通流与所述第K个上游位置的交通流之间的K个皮尔逊相关系数，确定对应的第一空间相关系数；
针对不同时间段，根据所述预测位置的交通流与所述第K个下游位置的交通流之间的K个皮尔逊相关系数，确定对应的第二空间相关系数；
根据所述第一空间相关系数、所述第二空间相关系数，确定对应的动态空间相关系数张量。


7.根据权利要求6所述的基于动态时空相关特征优化的短时交通流预测方法，其特征在于，通过以下公式，确定所述动态时空相关特征：
fv＝TLv∪ΔLv∪SLUv∪ΔLUv∪SLDv∪ΔLDv
其中：...

【专利技术属性】
技术研发人员：唐毅，张强，杨洁，陈平，吴霄，陈力云，万万，陈静瑶，陈星州，蒋陈虎，
申请(专利权)人：重庆首讯科技股份有限公司，
类型：发明
国别省市：重庆;50