一种基于交通流矩阵组合模型的交通流量预测方法技术

本发明专利技术涉及交通大数据相关技术领域，具体为基于ARIMA

【技术实现步骤摘要】
一种基于交通流矩阵组合模型的交通流量预测方法


[0001]本专利技术属于交通信息
，具体涉及一种基于交通流矩阵组合模型的交通流量预测方法。

技术介绍

[0002]随着科技发展，汽车交通运输愈加便利，现有人均汽车的占有量和出行量随着人们生活水平的不断提高而逐渐增加，最终导致道路上出现密集的交通流甚至导致交通拥堵等问题；因此，为了解决道路交通量过载而导致的交通资源分配问题，以及充分发挥智慧交通系统在道路调控上的积极作用，道路交通流的预测方法在交通领域是重要的研究方向。
[0003]现阶段的道路交通预测方法主要有：传统时间序列预测法、支持向量机、BP神经网络等，虽然此类方法在道路交通流的能得到预测数据，但是在道路交通流预测中，上述模型均没有充分挖掘出道路交通流数据中的时空关联特征，存在对时间和空间关联度低、交通数据缺失而造成的交通流预测不准确性，长期交通流预测的误差性等问题。

技术实现思路

[0004]本专利技术的目的在于提供一种通过统计分析从监测采集的以往交通数据来构建预测未来短期及长期交通数据模型实现更加准确的预测数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交通流矩阵组合模型的交通流量预测方法，其特征在于，具体包括如下步骤：步骤S1：首先，提取所需预测交通流所在时间点之前连续n个时间段内的交通流数据并对其进行预处理构建出交通流数据矩阵，并标为横向数据矩阵；步骤S2：提取与预测时间点具有相同日期特征的时间段内交通流数据，同样对其进行预处理，并构建出交通流数据矩阵，标为纵向数据矩阵；步骤S3：根据所述步骤S1及步骤S2分别得到的横向及纵向的双维度交通流数据矩阵进行双维度预测矩阵的构建以进行高维特征提取，包括构建预测值矩阵和构建预测值矩阵步骤S4：将基于差分自回归移动平均模型ARIMA的预测值矩阵和基于灰色系统预测模型GM(1,1)的预测值矩阵所预测的交通流矩阵值用于构建出ARIMA
‑
GM(1,1)融合预测模型，并对该模型中ARIMA模型的比例系数以及GM(1,1)模型的比例系数进行参数拟合；步骤S5：运用以往已知的数据与所述步骤S4模型最终预测出的数据进行KS检验；最后根据下述KS检验公式(1)计算出该模型的可行度；其中，为验证预测数据的函数分布是否为实际数据分布，用样本容量和显著水平查出临界值，其中，F
n
(x)为预测数据的函数分布，F0(X)为实际数据分布，用样本容量n和显著水平a查出临界值D
na
，如果D<D
na
，则认为拟合是满意的，并将可行度定义为D，并计算如下：D＝max|F
n
(x)
‑
F0(X)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)步骤S6：基于构建的ARIMA
...

【专利技术属性】
技术研发人员：卞加佳，郭琦，朱磊，
申请(专利权)人：南京感动科技有限公司，
类型：发明
国别省市：