一种基于云模型的交通流平稳序列数据融合预测方法技术

本发明专利技术涉及一种基于云模型的交通流平稳序列数据融合预测方法，属于交通数据处理的技术领域。本发明专利技术首先基于原始的交通流序列变量进行训练集的选取后，对训练集进行云模型的构建，在选用相关的两种预测模型进行预测求解后，使用前件云发生器进行云滴化，分别产生云滴1和云滴2，然后，对云滴1和云滴2进行云滴的确定度融合并进行云模型的推理即产生融合预测的目的，进而对未来的交通拥堵等状况进行预警。该方法不限定云滴确定度融合之前的预测模型的选用，可以使用交通领域常见的可以对平稳序列进行预测分析的模型即可。该方法具有普适性强、综合预测水平高等特点。

【技术实现步骤摘要】

本专利技术涉及交通数据处理的，具体为一种基于云模型的交通流平稳序列数据融合预测方法。

技术介绍

1、在当今数据时代，各种信息的数据量急剧增加，来自工业设备、交通运输、天气变化，以及国民经济的数据每天层出不穷，对这些数据变化的掌握显得十分必要，但是变幻莫测的数据经常伴随着随机性和模糊性等特征，如何更加准确地对这些数据进行分析处理，是当前数据挖掘领域研究的一个重要方向。

2、平稳序列是基本上不存在趋势的序列，序列中的观察值基本上在某个固定的水平上波动，虽然在不同的时间段波动的程度不同，但并不存在某种规律，其波动可以看成是随机的。平稳序列是研究其他序列数据的基础，其他序列数据可以看做是平稳序列与其他序列(如趋势序列)的叠加。在研究平稳序列数据的时候，有多种研究策略，从数据的角度来看，常见的方法模型有卡尔曼滤波、时间序列分析、马尔科夫链、神经网络以及一些其他的机器学习方法；从研究事物的领域角度则可以使用其本身的领域模型进行分析，这些方法各有利弊与特点，如何兼顾多种方法并取得较好的预测效果是数据分析时候需要研究的重点。

3、近些年来，随着机动本文档来自技高网...

【技术保护点】

1.一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于：该方法包括以下步骤：

2.如权利要求1所述的一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于，步骤(S3-1)和(S3-2)所述选用的某种模型不具有特定的限定条件，均选用能够满足对交通流平稳序列进行预测的宽泛条件的任意模型。

3.如权利要求1所述的一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于，所述某种交通流预测模型K为以下之一：卡尔曼滤波、回归分析、时间序列分析、马尔科夫链、神经网络。

4.如权利要求1所述的一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于...

【技术特征摘要】

1.一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于：该方法包括以下步骤：

2.如权利要求1所述的一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于，步骤(s3-1)和(s3-2)所述选用的某种模型不具有特定的限定条件，均选用能够满足对交通流平稳序列进行预测的宽泛条件的任意模型。

3.如权利要求1所述的一种基于云模型的交通流平稳序列数据融合预测方法，其特征在于，所述某种交通流预测模型k为以下之一：卡尔曼滤波、回归分析、时间序列分析、马尔科夫链、神经网络。

4.如权利要求1所述的一种基于云模型的交通流平稳序列数据...

【专利技术属性】
技术研发人员：董建华，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：