一种基于时空相关性的自适应路网交通流预测方法技术

一种基于时空相关性的自适应路网交通流预测方法，具体步骤为：步骤一：构建路网交通流观测矩阵；步骤二：构建基于时空相关性的路网交通流预测模型；步骤三：路网交通流均值预测模型的自适应求解；步骤四：参数集敏感性分析；步骤五：最优预测结果和最优参数集输出。本发明专利技术在路网时空相关系数矩阵序列建模基础上，将自适应机制引入路网交通流预测当中，确保了模型参数可依据数据实时调整，具有自学习及动态预测能力。预测能力。预测能力。

【技术实现步骤摘要】
一种基于时空相关性的自适应路网交通流预测方法


[0001]本专利技术属于交通工程
，具体涉及一种基于时空相关性的自适应路网交通流预测方法。

技术介绍

[0002]道路设施的完善、智能交通及通讯技术的发展为大量路网交通流数据的实时采集及传输提供了可能，对这些数据进行有效处理及分析、挖掘交通流参数的演变特征及规律，并在此基础上对未来交通状态进行预测对于制定科学有效的交通管理与控制措施、提升路网运行的效率与安全至关重要。
[0003]现有技术中主要有断面交通流预测方法及路网交通流预测方法的技术方案，首先当前的断面交通流预测方法仅考虑了交通流序列自身在时间上的相关性，而对各断面交通流之间的空间相关性则未加考虑。然后，当前的路网交通流预测大多采用神经网络、图卷积等人工智能方法，这些方法一般为“黑箱”模型，其内部作用机理不够清晰，模型可解释性受限，难以明确揭示路网交通流的时空相关规律，容易在实际工程中造成困惑，从而影响模型的推广和应用。最后，这些的交通流预测方法多为静态预测，少数为动态预测，自适应预测则更为缺乏。
[0004]因此，清晰地揭示路网交通流的时空相关性，在此基础上提出可解释(白箱)的路网交通流预测方法，并将自适应机制引入预测方法当中，使得模型参数可实时调整，具备自学习及动态预测能力，是当前交通流预测所欠缺的。

技术实现思路

[0005]本专利技术针对现有技术的不足，提出一种路网时空相关系数矩阵序列建模基础上，并采用自适应方法进行求解，确保了模型参数可依据数据实时调整，具有自学习及动态预测能力的基于时空相关性的自适应路网交通流预测方法。
[0006]具体技术方案如下：
[0007]一种基于时空相关性的自适应路网交通流预测方法，具体步骤为：
[0008]步骤一：构建路网交通流观测矩阵；
[0009]步骤二：构建基于时空相关性的路网交通流预测模型；
[0010]步骤三：路网交通流均值预测模型的自适应求解；
[0011]步骤四：参数集敏感性分析；
[0012]步骤五：最优预测结果和最优参数集输出。
[0013]作为优化：所述步骤一具体为，对于含有n个检测断面的交通路网，在时间到达t
‑
1时段时，可依据各检测器的交通流时间序列进行路网交通流观测矩阵构建：
[0014][0015]其中，Q
t
‑1表示t
‑
1时段路网交通流观测矩阵；n表示路网中的断面交通流序列数量，也即检测器数量；表示t
‑
1时段断面(检测器)n处的交通流量值。
[0016]作为优化：所述步骤二具体为，
[0017]基于路网中各断面交通流序列间的时空相关性，构造路网交通流预测模型，具体地，以路网交通流观测矩阵为观测变量，将路网交通流的相关系数作为权重，采用加权法构造路网交通流预测方程，并以路网时空相关系数矩阵为状态变量，用VAR方法对路网交通流预测方程中的路网时空相关系数矩阵进行建模，最终，路网交通流预测方程及路网时空相关系数矩阵建模过程可分别写为：
[0018][0019][0020]其中，表示t时段路网交通流矩阵估计结果；n表示路网中的断面交通流序列数量，也即检测器数量；表示t时段断面(检测器)n处的交通流估计值；表示t
‑
1时段路网交通流观测矩阵；表示t
‑
1时段断面(检测器)n处的交通流观测值；
[0021]表示t时段滞后s阶的路网时空相关系数估计矩阵；表示在t时段滞后s阶，断面交通流序列i与j之间的标准化时空相关系数估计值；E
t
表示t时段的观测噪声矩阵；
[0022]表示t
‑
k时段滞后s阶的路网时空相关系数观测矩阵；ρ
t
‑
k，s
(i，j)表示在t
‑
k时段滞后s阶，断面交通流序列i与j之间的标准化时空相关系数观测值；s∈[0，1，
…
，d]，表示不同断面交通流序列间的时间
滞后阶数；d表示不同断面交通流序列间的时间滞后阶数上限，也是路网时空相关系数矩阵的滞后阶数上限；p表示VAR方法的阶数；Θ
k
表示n
×
n维度状态转移矩阵；A
t
表示t时段的状态噪声矩阵；
[0023]作为优化：所述步骤三具体为，
[0024]3.1：先验估计及先验估计误差协方差计算
[0025][0026][0027]其中，表示t时段滞后s阶路网时空相关系数矩阵的先验估计；表示t
‑
k时段滞后s阶路网时空相关系数矩阵的后验估计；表示t时段的先验估计误差协方差矩阵；表示t
‑
1时段的后验估计误差协方差矩阵；
[0028]Q
t
表示t时段状态过程协方差矩阵；
[0029]3.2：观测误差计算
[0030][0031]3.3：更新观测过程协方差矩阵
[0032][0033][0034]其中，E
t
‑
j+1
表示t
‑
j+1时段的观测误差(噪声)；表示平均观测误差；G
t
表示t时段的观测过程协方差矩阵；N表示自适应求解方法预设的时间窗口长度；表示t
‑
j+1时段路网交通流观测矩阵；表示t
‑
j+1时段的先验估计误差协方差矩阵；
[0035]3.4：后验估计及后验估计误差协方差计算
[0036][0037][0038][0039]其中，K
t
表示t时段的增益熵；I表示n维单位对角阵；表示t时段滞后s阶路网时空相关系数矩阵的后验估计；表示t时段的后验估计误差协方差矩阵；
[0040]3.5：状态误差计算
[0041][0042]3.6：更新状态过程协方差矩阵
[0043][0044][0045]其中，A
t
‑
j+1
表示t
‑
j+1时段的状态过程误差(噪声)；表示平均状态误差；表示t
‑
j时段的后验估计误差协方差矩阵；表示t
‑
j+1时段的后验估计误差协方差矩阵。
[0046]作为优化：所述路网时空相关系数矩阵序列是VAR方法的建模对象，由各时段具有相同滞后阶数的时空相关系数矩阵进行汇集得到，各阶滞后路网时空相关系数矩阵序列表示如下：
[0047][0048]其中：
[0049]表示t
‑
k时段滞后s阶的路网时空相关系数矩阵，受滚动窗口宽度v及滚动窗口内路网流量值影响；
[0050]n表示路网中的断面交通流序列数量，也即检测器数量；
[0051]ρ
t
‑
k，s
(i，j)表示断面交通流序列i与j在t
‑
k时段的滞后s阶标准化时空相关系数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空相关性的自适应路网交通流预测方法，其特征在于，具体步骤为：步骤一：构建路网交通流观测矩阵；步骤二：构建基于时空相关性的路网交通流预测模型；步骤三：路网交通流均值预测模型的自适应求解；步骤四：参数集敏感性分析；步骤五：最优预测结果和最优参数集输出。2.根据权利要求1所述基于时空相关性的自适应路网交通流预测方法，其特征在于：所述步骤一具体为，对于含有n个检测断面的交通路网，在时间到达t
‑
1时段时，可依据各检测器的交通流时间序列进行路网交通流观测矩阵构建：其中，Q
t
‑1表示t
‑
1时段路网交通流观测矩阵；n表示路网中的断面交通流序列数量，也即检测器数量；表示t
‑
1时段断面n处的交通流量值。3.根据权利要求1所述基于时空相关性的自适应路网交通流预测方法，其特征在于：所述步骤二具体为，基于路网中各断面交通流序列间的时空相关性，构造路网交通流预测模型，具体地，以路网交通流观测矩阵为观测变量，将路网交通流的相关系数作为权重，采用加权法构造路网交通流预测方程，并以路网时空相关系数矩阵为状态变量，用VAR方法对路网交通流预测方程中的路网时空相关系数矩阵进行建模，最终，路网交通流预测方程及路网时空相关系数矩阵建模过程可分别写为：数矩阵建模过程可分别写为：其中，表示t时段路网交通流矩阵估计结果；n表示路网中的断面交通流序列数量，也即检测器数量；表示t时段断面(检测器)n处的交通流估计值；表示t
‑
1时段路网交通流观测矩阵；表示t
‑
1时段断面(检测器)n处的交通流观测值；表示t时段滞后s阶的路网时空相
关系数估计矩阵；表示在t时段滞后s阶，断面交通流序列i与j之间的标准化时空相关系数估计值；E
t
表示t时段的观测噪声矩阵；表示t
‑
k时段滞后s阶的路网时空相关系数观测矩阵；ρ
t
‑
k,s
(i,j)表示在t
‑
k时段滞后s阶，断面交通流序列i与j之间的标准化时空相关系数观测值；s∈[0,1,
…
,d]，表示不同断面交通流序列间的时间滞后阶数；d表示不同断面交通流序列间的时间滞后阶数上限，也是路网时空相关系数矩阵的滞后阶数上限；p表示VAR方法的阶数；Θ
k
表示n
×
n维度状态转移矩阵；A
t
表示t时段的状态噪声矩阵。4.根据权利要求1所述基于时空相关性的自适应路网交通流预测方法，其特征在于：所述步骤三具体为，3.1：先验估计及先验估计误差协方差计算估计及先验估计误差协方差计算其中，表示t时段滞后s阶路网时空相关系数矩阵的先验估计；表示t
‑
k时段滞后s阶路网时空相关系数矩阵的后验估计；表示t时段的先验估计误差协方差矩阵；表示t
‑
1时段的后验估计误差协方差矩阵；Q
t
表示t时段状态过程协方差矩阵；3.2：观测误差计算3.3：更新观测过程协方差矩阵3.3：更新观测过程协方差矩阵其中，E
t
‑
j+1
表示t
‑
j+1时段的观测误差(噪声)；表示平均观测误差；G
t
表示t时段的观测过程协方差矩阵；N表示自适应求解方法预设的时间窗口长度；表示t
‑
j+1时段路网交通流观测矩阵；
表示t
‑
j+1时段的先验估计误差协方差矩阵；3.4：后验估计及后验估计误差协方差计算3.4：后验估计及后验估计误差协方差计算3.4：后验估计及后验估计误差协方差计算其中，K
t
表示t时段的增益熵；I表示n维单位对角阵；表示t时段滞后s阶路网时空相关系数矩阵的后验估计；表示t时段的后验估计误差协...

【专利技术属性】
技术研发人员：戈尔巴乔夫谢尔盖维克托罗维奇，石熙，李美叶，郭建华，颜军，赵宇，舍甫丘克德米特洛夫，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：