基于交通流量数据融合的交通速度预测方法和系统技术方案

基于交通流量数据融合的交通速度预测方法，包括如下步骤：(1)数据预处理；对原始交通数据进行数据预处理，包括历史交通速度数据和交通流量数据；(2)基于交通流量数据融合的交通速度预测模型的设计；交通速度预测模型包括流量预测层、数据融合层、时空分析层和预测输出层；(3)样本数据集的生成和交通速度预测模型的训练；拆分基于步骤(2)所得的交通数据，生成训练数据集、验证数据集和测试数据集，训练交通速度预测模型；(4)未来时间段交通速度的预测；基于步骤(3)训练得到的预测模型，根据采集的交通数据，预测未来时间段的交通速度。本发明专利技术还包括实施基于交通流量数据融合的交通速度预测方法的系统。速度预测方法的系统。速度预测方法的系统。

【技术实现步骤摘要】
基于交通流量数据融合的交通速度预测方法和系统


[0001]本专利技术涉及智能交通的交通速度预测方法和系统，可以预测未来一段时间的交通速度，交通速度预测方法可以用于交通控制、路径规划和交通诱导。

技术介绍

[0002]交通速度是反映道路交通状态的重要参数之一。准确的交通速度预测有助于优化交通控制，提高交通通行效率。交通速度预测是智能交通系统不可或缺的一部分。通常，交通管理者可以用交通速度预测的结果输入至交通控制系统中来划分道路网络，以此制定不同的信号配时方案，引导交通出行，提高整个路网的通行能力。
[0003]交通速度预测问题的方法主要有三大类。第一类方法是基于传统的统计学预测模型，如历史平均法(Historical Average,HA)、向量自回归(Vector Auto
‑
Regressive,VAR)和自回归差分移动平均模型(Auto
‑
Regressive Integrated Moving Average Model,ARIMA)等。这类方法主要对交通数据之间的关系进行建模，并对交通数据进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于交通流量数据融合的交通速度预测方法，包括如下步骤：(1)数据预处理；对原始交通数据进行数据预处理，包括历史交通速度数据和交通流量数据；采用平均值法修补缺失数据，并采用Z
‑
Score方法对数据进行归一化处理，使得原始数据的均值为0，方差为1；(2)基于交通流量数据融合的交通速度预测模型的设计；交通速度预测模型包括流量预测层、数据融合层、时空分析层和预测输出层；流量预测层采用一个时空卷积块对输入的历史交通流量数据进行处理，从而获得未来若干时间段的交通流量预测数据；数据融合层是采用时间门控卷积把预测的交通流量数据和历史的交通速度数据进行处理，然后进行串联融合并输出至下一层；时空分析层主要是对融合的交通数据进行处理，分别采用图卷积和时间门控卷积来提取交通数据的空间特征和时间特征；预测输出层包括一个时空卷积块、一个时间门控卷积和一个全连接层，时空卷积块用于进一步提取交通数据的时空特征，而时间门控卷积和全连接层则用于最终预测结果的输出；交通速度预测模型采用时空卷积块，时空卷积块是整个模型的核心组件；时空卷积块由两个时间门控卷积和中间的一个空间图卷积组成，时间门控卷积用于提取时间特征，而图卷积用于提取空间特征；整个交通速度预测模型总共使用了三个时空卷积块，流量预测层的时空卷积块用于处理历史的交通流量数据，并输出未来的交通流量数据；数据融合层和时空分析层合并在一起，也构成一个时空卷积块，用于处理融合后的交通数据并提取时空特征；预测输出层也叠加了一个时空卷积块，用于进一步提取时空特征；交通速度预测模型采用图卷积操作来提取交通数据的空间关系；图卷积将交通路网视为一张无向图，每个节点代表一个路段，并采用拉普拉斯一阶近似来实现图卷积过程；图卷积的一般表达形式为：其中，Θ*
G
代表图卷积，Θ是卷积核，θ是图卷积核的共享参数，L是归一化的拉普拉斯矩阵，且D为图的度矩阵，A为图的邻接矩阵，且二维变量的图卷积记为Θ*
G
X，图卷积核K是图卷积尺寸，C
in
和C
out
分别为图卷积的输入通道数和输出通道数；交通速度预测模型设计了复合邻接矩阵，应用于模型的所有图卷积操作；相对于传统的邻接矩阵，复合邻接矩阵融合了静态邻接矩阵和动态邻接矩阵，实现了路段之间空间关系的综合分析；具体如下：系的综合分析；具体如下：
其中，是基于指数距离的静态邻接矩阵，采用指数距离来分析路段之间的静态空间相关性；ε用于控制矩阵的稀疏性，||x
i
‑
x
j
||2用于计算路段i和j之间的距离，σ2表示空间衰减长度；是基于交通流量的动态邻接矩阵，采用协方差矩阵来计算各个路段之间交通流量的相关性，以此实现对路段空间相关性的动态分析，和是路段i和j在过去l个时间段的平均交通流量，即段的平均交通流量，即是复合邻接矩阵，融合了静态邻接矩阵和动态邻接矩阵，可以综合分析路段之间的静态和动态空间关系；交通速度预测模型的流量预测层包括一个时空卷积块，其中时间门控卷积用于捕获交通流量数据的时间特征，图卷积用于捕获交通流量数据的空间特征；流量预测层的输入输出变化为：其中，输出代表预测的未来交通流量数据，n是路段数，C
out
是输出通道数，K
t
是时间门控卷积尺寸，输入表示历史...

【专利技术属性】
技术研发人员：刘端阳，许鑫博，徐卫，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：