[发明专利]一种结合周相似特性的分形交通流预测方法

权利要求书

1、一种结合周相似特性的分形交通流预测方法，其特征在于：所述预测方法包括以下步骤：

1)、以周为周期的不同工作日的交通流数据，将交通流数据进行分组，组成设定时间段下的同一路口不同方向上的交通流序列，表示为：

{Ni}＝{N1，N2，N3，...Nn}

{N1i}＝{N11，N12，N13，...，N1n}(i＝1，...，n)

{N2i}＝{N21，N22，N23，...，N2n}(i＝1，...，n)

{N3i}＝{N31，N32，N33，...，N3n}(i＝1，..，n)

...

{Nmi}＝{Nm1，Nm2，Nm3，...，Nmn}(i＝1，...，n)

其中{Ni}、{N1i}、{N2i}、{N3i}...{Nmi}分别代表当前时刻前设定时间到当前时刻的交通流量序列、一周前该时间段的交通流量序列、两周前该时间段的交通流量序列、三周前该时间段的交通流量序列...m周前该时间段的交通流量序列，n、m均为自然数，其中m≥3；

2)、提取当前时刻前设定时间到当前时刻的交通流量序列{Ni}，初始化n＝1，进行n阶累计计算得到{Si}，{Sn_i}(i＝1，...n)＝N(A，ε)_i，根据下式(2)计算：

D≈lnN(A,ϵ)-lnCln(1/ϵ)---(2)]]>

设定分形维数的下限d，若经过多阶累计后计算得出的分形维数的D＞d，则停止进行累计，并且以所得到的D求取常数C的值，然后将得到的D和C代入公式(3)求得{Sn}_n+1，

N(A，ε)＝C/f(1/ε)^D    (3)

根据累计的阶数n对所得到的{Sn}_n+1进行n次往回迭代，得到的值即为N(A，ε)_i+1；

3)、根据一周前该时间段的交通流量序列、两周前该时间段的交通流量序列、三周前该时间段的交通流量序列...m周前该时间段的交通流量序列，分别进行步骤(2)的计算，得到各自的预测数据，依照公式(10)计算得到误差修正后的预测流程：

Q(t+1)＝Q(t+1)+K₁[Q₁(t+1)-Q₁′(t+1)]+K₂[Q₂(t+1)-Q₂′(t+1)]          (10)+K₃[Q₃(t+1)-Q₃′(t+1)]+...+K_iQ₁(t+1)-Q₁′(t+1)

上式(10)中，Q(t+1)为待定的时刻t+1预测流量；

Q′(t+1)为根据公式(3)计算得出的预测流量，Q(t+1)＝N(A，ε)_i+1；

Q_i(t+1)为i周前t+1时刻检测器实际检测到的交通流量值；

Q_i′(t+1)为i周前t+1时刻根据公式(3)计算得出的预测流量。