申请/专利权人：重庆邮电大学

申请日：2023-07-24

公开（公告）日：2024-04-16

公开（公告）号：CN116978222B

主分类号：G08G1/01

分类号：G08G1/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.11.17#实质审查的生效;2023.10.31#公开

摘要：本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优化算法寻找最佳背景值系数。最后，将该模型应用于短时交通流预测。利用交通流数据的周期性对三个不同时期的短时交通流进行预测，从预测数据趋势可以看出与原始数据的发展趋势一致。本发明模型的预测结果可以为交通管理系统提供可靠的信息，丰富交通流预测的研究方法。

主权项：1.一种基于时空数据的短时交通流预测方法，其特征在于，该方法具体包括以下步骤：S1：通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，并提取数据矩阵序列，包括：原始交通流数据组成的系统特征数据矩阵序列与其他相关数据矩阵序列；S2：对原始矩阵序列进行处理，即计算一阶累加生成序列，均值序列以及偏导数序列；S3：建立基于时空数据的短时交通流预测模型，简写为MPGM模型；并构造矩阵U和V，估计模型参数；S4：采用粒子群算法寻优，即粒子群算法寻找最佳背景值系数；S5：计算MPGM模型的模拟和还原值；通过时间响应式计算模拟值通过累减还原式计算还原值S6：计算模型的评价指标MAPE；S7：预测未来趋势：如果MAPE满足精度要求，则使用MPGM模型来预测未来的发展；步骤S2中，对原始矩阵序列进行处理，具体包括：设T10是由n个e×e阶矩阵构成的系统特征矩阵序列，也称为主序列：T10＝T101,T102,…,T10n1其中，T10mm＝1,2,…,n是e×e阶矩阵，Tr,c10m表示T10m在坐标r,c的值；Th0mh＝2,…,N为其他相关序列，且结构与T10m一致；N表示所有输入矩阵序列的个数，包括1个系统特征数据矩阵序列和N-1个其他相关矩阵序列；T11是T10的一阶累加生成序列：T11＝T111,T112,…,T11n2其中，Tr,c11m表示T11m在坐标r,c的值；Th1h＝2,…,N是Th0h＝2,…,N的一阶累加生成序列，且结构与T10一致；T11的背景值系数α的均值序列为：Tz11＝Tz112,…,Tz11n3其中，Tz1m是e×e阶矩阵，且Tz11m＝αT11m+1-αT11m-1，α叫做背景值系数，它的取值范围是0,1；Tzr,c11m表示Tz11m在坐标r,c的值；Tzh1是Th1的传统均值序列，且Tzr,ch1m表示Tzh1m在坐标r,c的值；Tzh1的水平偏导序列为：Tzhx1＝Tzhx12,…,Tzhx1n4其中，Tzhx1m是e×e阶矩阵，Tzr,chx1m表示Tzhx1m在坐标r,c的值；Tzh1的竖直偏导序列为：Tzhy1＝Tzhy12,…,Tzhy1n5其中，Tzhy1m是e×e阶矩阵，Tzr,chy1m表示Tzhy1m在坐标r,c的值；且Tzr,chx1m＝Tzr,ch1m-Tzr-1,ch1m，Tzr,chy1m＝Tzr,chx1mT；步骤S3中，建立MPGM模型，具体包括：设Th0,Th1h＝1,2,…,N,Tz11,Tzhx1,Tzhy1h＝2,…,N，则MPGM模型即MPGM1,N的表达式为： 其中N＝2N-1+1+e2；且式7是它的白化方程； 其中，ah,bh,ch＝2,3,…,N是未知参数，且ω是e×e阶未知参数构成的灰色控制矩阵；有Tr,c111＝Tr,c101；t是T1的时间变量，x是Tzh1的水平偏导序列，y是Tzh1的竖直偏导序列；步骤S3中，构造矩阵，估计模型参数，具体包括：对于MPGM1,N模型，未知参数满足： 其中，U是一个e2n-1×2N-1+1+e2阶矩阵，V是一个e2n-1×1阶矩阵，表示如下： 在矩阵U中，Tzr,chx1m,Tzr,chy1m,Tzr,c11m分别表示Tzhx1m,Tzhy1m,Tz11m在坐标r,c的值；在矩阵V中,Tr,c10m表示T10m在坐标r,c的值；步骤S5中，时间响应式为： 其中，为MPGM1,N模型的模拟值在坐标r,c的值；累减还原式： 其中，为MPGM1,N模型的还原值在坐标r,c的值；步骤S6中，计算最小MAPE的公式为：

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于时空数据的短时交通流预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD