【技术实现步骤摘要】
一种基于三阶张量的北斗时空数据模型及交通流分析方法
[0001]本专利技术涉及时空大数据分析
,尤其是一种基于三阶张量的北斗时空数据模型及交通流分析方法。
技术介绍
[0002]交通流量、交通密度与交通流速之间有着密切的关系,通常采用构建交通流模型的方式来表征三者之间的关系,以达到交通预测的目的。准确的交通预测是构建智能交通系统的重要基础,对交通时间估计、路线规划、交通灯管控等各类下游应用具有重要意义。由于城市交通网络具有高度的动态性及复杂的时空依赖性,进行准确的交通预测仍是一个挑战。
[0003]传统统计信号处理方法如ARIMA模型、支持向量回归SVR模型将交通预测用单变量时间信号回归的方式建模。它们依赖于信号平稳假设,且忽略交通节点间的相互关系,难以捕捉真实世界复杂的交通模式。随着深度学习技术的发展,卷积神经网络等模型涌现,但其仅能以欧式空间栅格化的方式处理空间信息,无法处理不规则的交通网络拓扑关系。为了解决上述的技术问题,于是专利CN114694379A公开了一种基于自适应动态图卷积的交通流预测方法及系统,该方法包括:获取历史交通数据并对历史交通数据进行预处理;构建静态邻接关系图;构建自适应动态邻接关系图张量;构建自适应动态图卷积预测模型;基于预处理历史交通数据对自适应动态图卷积预测模型进行训练;将待测数据交通流数据输入至训练完成的预测模型,得到预测结果。该系统包括:预处理模块、第一构建模块、第二构建模块、模型构建模块、训练模块和预测模块。
[0004]上述现有技术由于其较高的预测性能,因 ...
【技术保护点】
【技术特征摘要】
1.一种基于三阶张量的北斗时空数据模型的交通流分析方法,其特征在于,包括以下分析步骤:S1、获取交通流时空数据,并保存在时空数据集合中;交通流时空数据包括采样时间、车辆位置和车辆速度;S2、基于北斗时空数据模型将交通流时空数据形成的三维空间区域划分成设定数量的数据块;S3、基于划分的数据块,构建对应的三阶张量,并通过三阶张量计算对应的交通信息;S4、利用三阶张量中的纤维参量、切片参量和范数参量对交通信息进行分析,以获得分析结果。2.根据权利要求1所述的一种基于三阶张量的北斗时空数据模型的交通流分析方法,其特征在于,步骤S1的具体步骤如下:S11、通过卫星导航车载终端获取交通流时空数据,并将交通流时空数据保存在时空数据集合T中,T={T
d1
,T
d2
,
…
,T
dn
,
…
,T
dV
},n=1,
…
,V,其中,T
d1
表示时空数据集合T中的第1辆车的散列点数据,T
d2
表示时空数据集合T中的第2辆车的散列点数据,T
dn
表示时空数据集合T中的第n辆车的散列点数据,T
dV
表示时空数据集合T中的第V辆车的散列点数据;S12、将对应的时空数据存储在T
dn
中,T
dn
={vID
n
,t
n
,x
n
,y
n
,v
n
},n=1,
…
,V,其中,vID
n
表示第n辆车;t
n
表示采集第n辆车时空数据的采样时间;x
n
表示第n辆车所在车辆位置的经度,y
n
表示第n辆车所在车辆位置的纬度,即(x
n
,y
n
)表示第n辆车的车辆位置;v
n
表示第n辆车的车辆速度。3.根据权利要求2所述的一种基于三阶张量的北斗时空数据模型的交通流分析方法,其特征在于,步骤S2的具体步骤如下:S21、将时空数据集合T中的各辆车均定义为点,则原有的时空数据集合T转化成由各点组合构成的点集D,D={D
d1
,D
d2
,
…
,D
dn
,
…
,D
dV
},则D
dn
={x
n
,y
n
,t
n
},n=1,
…
,V,其中,D
d1
表示点集D中的第1个元素,D
d2
表示点集D中的第2个元素,D
dn
表示点集D中的第n个元素,D
dV
表示点集D中的第V个元素;S22、以采样时间、车辆位置经度和车辆位置纬度为坐标轴,建立空间直角坐标系;将点集D中的各点分布在空间直角坐标系中,各点彼此连接形成以采样时间、车辆位置经度和车辆位置纬度为维度的三阶张量;三阶张量形成对应的三维空间区域;选择范围最大的三维空间区域,并将该三维空间区域记为D
x
×
D
y
;S23、将点集D中车辆位置纬度和车辆位置经度构成的平面区域等分成I
×
J个网格;S24、以I
×
J个网格为分隔基准,沿着采样时间坐标轴推动网格,将三维空间区域D
x
×
D
y
等分成I
×
J个数据块。4.根据权利要求3所述的一种基于三阶张量的北斗时空数据模型的交通流分析方法,其特征在于,步骤S3的具体步骤如下:S31、将三阶张量分为关于车辆数量随车辆位置和采样时间变化的三阶张量Ν和关于车辆速度随车辆位置和采样时间变化的三阶张量F;,其中,R表示实数,n1、n2和n3均表示维度;n1表示车辆位置经度;n2表示车辆位置纬度;n3表示采样时间;S32、基于三阶张量Ν和三阶张量F,任选一个第i行、第j列的网格Ω
ij
,i=1,
…
,I,j=
1,
…
,J,该网格Ω
ij
的面积为S;该网格Ω
ij
在采样时间间隔Δt内的交通流量为L(i,j,k
‑
1,k):其中,Δt为采样时间t
k
和采样时间t
k
‑1之间的时间差,即Δt为采样时间间隔,且相邻两个采样时间之间的间隔均为Δt;Δt
×
S表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域;L(i,j,k
‑
1,k)表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内的交通流量;N(i,j,k)为三阶张量N的元素,表示网格Ω
ij
在采样时间为t
k
时的车辆数量;N(i,j,k
‑
1)为三阶张量N的元素,表示网格Ω
ij
在采样时间为t
k
‑1时的车辆数量;[N(i,j,k)
‑
N(i,j,k
‑
1)]表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内的车辆数量;网格Ω
ij
在采样时间间隔Δt内的交通密度为W(i,j,k
‑
1,k):其中,W(i,j,k
‑
1,k)表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内的交通密度;网格Ω
ij
在采样时间间隔Δt内车辆的平均速度为:其中,表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内车辆的平均速度,该平均速度也称为交通流速;M
i,j,k
‑
1,k
表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内的车辆数量;v
i,j,k
‑
1,k,m
表示网格Ω
ij
在采样时间t
k
‑1到采样时间t
k
之间形成的时间区域内第m辆车的车辆速度。5.根据权利要求4所述的一种基于三阶张量的北斗时空数据模型的交通流分析方法,其特征在于,交通信息包括交通流量、交通密度和交通流速;纤维参量包括管纤维、行纤维和列纤维;利用纤维参量...
【专利技术属性】
技术研发人员:孟宪伟,贾琳,张海滨,秦子康,李寅寅,陈佳佳,肖青龙,汪浩东,孔莹,章玉,
申请(专利权)人:安徽宇疆科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。