基于偏最小二乘法的交通事件持续时间预测方法技术

本发明专利技术公开了一种基于偏最小二乘法的交通事件持续时间预测方法。首先利用偏小二乘法提取交通事件参数，建立偏小二乘回归模型；然后将所提取的交通事件参数带入所述模型获得交通事件持续时间。此外，随着交通事件的处理，定时更新模型参数，以做出实时持续时间预测。本发明专利技术克服了现在技术存在的需要大量数据、分布函数很难选择、缺少影响因素分析、预测模型是黑箱结构等缺陷，其预测精度优于现有的多种方法。本发明专利技术可用于对高速公路和城市道路交通事件持续时间的预测。

【技术实现步骤摘要】

本专利技术涉及交通智能管理和控制技术，特别是涉及一种交通事件持续时间预测的方法。
技术介绍
交通事件发生后干扰正常交通、引起道路拥挤和延误、降低道路通行能力。交通事件持续时间的预测是交通事件管理中非常重要的方面。实时、可靠的交通事件持续时间预测，有利于有关管理部门采取必要的交通管理控制措施，诱导驾驶员选择行驶路径，有效降低交通事件所造成的影响，是交通控制系统、交通诱导系统、出行者信息服务系统不可缺少的有机组成部分。目前，对交通事件持续时间的预测方法主要有基于分布的方法、基于回归的方法、基于概率的方法以及一些数据挖掘算法。基于分布的方法虽然简单，但是有以下几个缺点。首先，它不仅需要大量的数据去拟合分布函数，而且分布函数很难选择，甚至有的数据集不满足任何分布函数，这些都影响着该类算法的建模过程。其次，该类方法只能从函数得到平均值与方差以及某一持续时间的概率等指标，而不能给出一个确切的预测值，操作性较差。最后，它忽略了对持续时间有影响的因素分析。这些都限制了该类方法的应用。基于概率的方法需要大量的数据来标定模型参数以保证置信度，而且当两个概率值差别不大时，很难在两个持续时间中做出选择。基本文档来自技高网...

【技术保护点】
一种基于偏最小二乘法的交通事件持续时间预测方法，其特征在于，包括如下步骤：步骤一，获取交通事件特征参数；步骤二，建立偏最小二乘回归模型，设已知因变量y和k个自变量x1，x2，...，xk，样本数为n，构成数据表X=[x1,x2,...,xk]n*k和y＝[y]n*1，(1)对X和y进行标准化处理，得到标准化后的自变量矩阵E0和F0，xij*=xij-xj‾sj,yj*=yi-y‾sy,i=1,2,...,k;j=1,2,...,k---(1)令h=1，E0=(xij*)n*k,F0=(yj*)n*1,i=1,2,...,n式中，是Xj的均值，sj是Xj的标准差，...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈淑燕，王宣强，王炜，
申请(专利权)人：东南大学，
类型：发明
国别省市：