一种以径向基网络为核心的曲面拟合算法制造技术

本发明专利技术公开了一种以径向基网络为核心的曲面拟合算法，包括以下步骤：设计用于拟合的径向基网络的模型；根据模型学习算法，求解当前时间

【技术实现步骤摘要】
一种以径向基网络为核心的曲面拟合算法


[0001]本专利技术涉及城市路网交通状态计算
，具体为一种以径向基网络为核心的曲面拟合算法。

技术介绍

[0002]近年来，随着中国城市化进程的加快，大中城市机动车数量直线上升，拥堵已成为城市发展所必须面临的难题。据统计，全国大约有三分之二的城市，其主干道在早晚高峰会呈现不同程度的拥堵现象。就目前看来，智能交通系统(Intelligent Traffic System，ITS)是解决道路拥堵问题的最常用工具。其将数据的采集、传输、分析等技术集成于一身，充分挖掘已有的交通信息，为缓解交通拥堵、规划出行路线、车辆调度等问题提供了有力的保障。目前ITS的数据采集技术覆盖范围受到限制，使得到的交通数据不尽完善。近几年，随着浮动车(具有车载GPS设备的公交汽车和出租车等)的推行和智能手机的普及，GPS技术在ITS中得到了广泛使用。
[0003]目前，已经国内外已经有大量的文献对浮动车技术做出了丰富的研究工作。然而，大部分研究的数据基础是高频GPS数据。但实际中，由于硬件条件和投资成本等问题，利用浮动车来进行低频采样更为普遍，这里面以出租车系统为主要代表，因而如何将这些数据进行有效地信息挖掘是一个值得研究的问题。目前，对道路平均速度的求解是计算道路交通状态的主要手段。短时(5min
‑
15min)道路交通状态计算可以为使用者提供实时的道路检测结果，提升用户体验，一般计算时间不超过15分钟。但计算周期越短，交通状态就具有更强的随机性，这就使得短时道路交通状态计算相比于以往的浮动车技术在道路匹配技术和道路交通状态计算方法上提出了更高的挑战。

技术实现思路

[0004]为了克服现有技术方案的不足，本专利技术提供一种以径向基网络为核心的曲面拟合算法，能有效的解决
技术介绍
提出的问题。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种以径向基网络为核心的曲面拟合算法，其特征在于，包括以下步骤：
[0007]步骤S1，设计用于拟合的径向基网络的模型，设计具有n
‑
m
‑
s结构的网络模型，即网络模型具有n个输入，m个隐层节点，s个输出，将时间、距离组成的二维向量作为输入矢量，根据时间段内出租车GPS的个数求出对应的速度标量，最后根据径向基网络分布的函数拟合曲面；
[0008]步骤S2，根据模型学习算法，求解当前时间
‑
距离空间上的速度分布曲面，主要包括有中心点的确定、径向基网络宽度的确定和权值修正算法三个方面；
[0009]步骤S3，计算路段时空平均速度，主要根据时间和空间两个维度结合计算。
[0010]进一步地，在步骤S1中，径向基网络分布的函数为：
[0011][0012][0013]其中，φ(
·
)为径向基函数，||x
‑
c
j
||为欧式距离，c
j
(c
j
∈R
R
)为径向基网络的中心，为径向基网络半径。
[0014]进一步地，在步骤S2中，求解当前时间
‑
距离空间上的速度分布曲面主要包括三个方面：
[0015](1)中心点的确定，径向基网络中心选取是成功用于实际的关键，常用确定径向基函数中心的选取算法有：随机算法选取径向基网络中心、聚类学习选取径向基网络中心与固定径向基网络中心点，中心点根据路段长度、计算时间间隔自适应的计算径向基网络中心点，使径向基网络中心点均匀分布在时空平面上；
[0016](2)径向基网络宽度的确定，有固定值法和平均距离法，在本方案选择固定值法作为网络宽度确定算法，径向基网络宽度可由确定，其中L是所有中心之间的欧式最大距离，m为径向基网络中心的数目；
[0017](3)权值修正算法，采用梯度下降算法修正权值，由于中心点与道路自适应，每次迭代只需要调整权重。
[0018]进一步地，在步骤S3中，平均速度的计算，主要从时间和空间两个维度的计算，时空平均速度计算如下：
[0019][0020]其中，为曲面拟合算法最终计算的路段时空平均速度。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022]本专利技术将研究对象限定到路段上，充分利用了车流速度在路段上的时空分布规律，通过建模的方法，利用离散采样点逼近真实的速度分布，使之更适应城市路网交通状态计算，并利用实验加以分析论证，针对了现有的针对现有交通状态计算方法，在短时交通问题突发时计算不准确泛化能力不强的缺点，对算法进行改进，使其具有更强的鲁棒性。
附图说明
[0023]图1为本专利技术径向基网络模型示意图；
[0024]图2为本专利技术中心函数位置示意图；
[0025]图3为本专利技术与其它算法比较示意图；
[0026]图4为本专利技术拟合结果与真实对比示意图；
[0027]图5为本专利技术步骤流程示意图；
[0028]图6为本专利技术采样点在时间
‑
距离空间的分布示意图；
[0029]图7为本专利技术摄像捕捉场景示意图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]本实施例中，经过地图地图匹配算法，每个路段都会对应一系列的GPS数据。如何利用这些采样点信息还原出路网中每个路段的交通状态就成为了下一步要解决的重要问题，而研究对象也由GPS数据转而为城市路网中所包含的全部路段。在前人的工作基础中基于函数拟合的方法与车辆追踪的方法在交通状态计算问题上表现了良好的性能。
[0032]车辆追踪的方法在道路速度计算过程当中充分考虑路网拓扑状态、信号灯控制等因素等条件。因此大部分车辆追踪算法体现了良好的准确率。但是对于北京市来说，五环以内主干路网由几万条路段组成，这种情况下要满足短时计算的需求，车辆追踪的方法计算开销过于庞大难以胜任。相反基于函数拟合的方法计算时间短但仍能获得足够的准确率。过往定义了一个虚拟的物理量——路段时空平均速度，用来代替交通流、旅行时间或者其他标量，用于表示路段的交通状态。2013年，提出的曲面拟合算法与基于最短路径搜索的车辆追踪算法，在城市路网基础上进行了大量的实验，比较短时状态下交通状态评估的准确率。实验表明，曲面拟合算法在短时大规模城市路网交通状态计算中表现出了很强的优势。但是该算法所采用的曲面拟合函数为三次曲面函数，在计算过程中极易出现过拟合现象，虽然通过实验结果根据每条道路采样点数量舍弃了三次函数中的一些函数项，但是不具有泛化能力。同时该算法易受短时突发状况影响，导致数值不准确。
[0033]因此，我们在此工作基础上，提出了一种以径向基网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种以径向基网络为核心的曲面拟合算法，其特征在于，包括以下步骤：步骤S1，设计用于拟合的径向基网络的模型，设计具有n
‑
m
‑
s结构的网络模型，即网络模型具有n个输入，m个隐层节点，s个输出，将时间、距离组成的二维向量作为输入矢量，根据时间段内出租车GPS的个数求出对应的速度标量，最后根据径向基网络分布的函数拟合曲面；步骤S2，根据模型学习算法，求解当前时间
‑
距离空间上的速度分布曲面，主要包括有中心点的确定、径向基网络宽度的确定和权值修正算法三个方面；步骤S3，计算路段时空平均速度，主要根据时间和空间两个维度结合计算。2.根据权利要求1所述的一种以径向基网络为核心的曲面拟合算法，其特征在于，在步骤S1中，径向基网络分布的函数为：骤S1中，径向基网络分布的函数为：其中，Φ(
·
)为径向基函数，||x
‑
c
j
||为欧式距离，c
j
(c
j
∈R
n

【专利技术属性】
技术研发人员：陈鑫，皮慧婷，洪学海，
申请(专利权)人：上饶市中科院云计算中心大数据研究院，
类型：发明
国别省市：