[发明专利]一种采用多源同构数据的行程时间动态融合预测方法

权利要求书

1.一种采用多源同构数据的行程时间实时融合预测方法，其特征在于，所述方法包括如下步骤：

（1）获取S₁,S₁,...S_i,...,S_n为某路段或路径行程时间的n个数据源，对原始数据进行时间规整，形成等时间间隔的时间序列数据集，并建立D-S证据推理模型的识别框架Θ={S₁,S₂,...S_i,...,S_n}，i=1,2,...,n；

（2）对每个数据源S_i的行程时间的时间序列{TT_it}，采用一定数量的历史数据建立单一数据源的行程时间均值及动态方差预测模型；

（3）对数据源S_i采用与t时间间隔相邻的一定时段的历史数据及预测模型进行行程时间预测，获得该数据源在时间间隔t内的行程时间均值μ_it和动态方差σit2;]]>

（4）以步骤（3）获得的行程时间动态方差作为输入数据，并在假设行程时间数据序列波动的随机过程服从正太分布N的基础上，通过识别框架幂集合的各个元素计算D-S证据推理模型的基本概率分配函数p_i(*)，并以此为基础，进一步计算基本信任分配函数m_i(*)；

（5）依据D-S证据推理模型的合成规则，计算D-S证据推理模型的合成信任分配m(*)；

（6）根据D-S证据推理模型的合成信任分配计算获得各类行程时间数据源在时间间隔t内的融合权重w_it；

（7）根据步骤（3）获得的行程时间预测均值μ_it和步骤（6）获得的融合权重w_it计算时间间隔t内的行程时间预测融合值，表达式为

TTft=Σi=1nwitμit]]>

式中，TT_ft即为多源同构行程时间数据在时间间隔t内的预测融合结果。

2.根据权利要求1所述的一种采用多源同构数据的行程时间实时融合预测方法，其特征在于，所述步骤（1）中，多源同构行程时间数据是以5分钟为等时间间隔的连续时间序列数据。

3.根据权利要求1所述的一种采用多源同构数据的行程时间实时融合预测方法，其特征在于，所述步骤（2）中，采用连续一天等时间间隔的数据进行预测模型的构建及参数估计，并且预测模型形式采用能够提供均值和动态方差的时间序列模型。

4.根据权利要求1所述的一种采用多源同构数据的行程时间实时融合预测方法，其特征在于，所述步骤（3）中用于预测时间间隔t内行程时间信息的一定时段的历史数据由预测模型构建过程限定。