[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

说明书

技术领域

本发明涉及交通预测领域，具体涉及一种利用多源同构交通信息进行道路行程时间预测的方法。

背景技术

行程时间是交通管理与运营部门实施交通控制措施的重要参考指标，同时也是交通出行者对道路实际交通状态做出判断的直观依据。准确、可靠的行程时间实时预测技术已经成为城市道路主动式交通控制系统、交通诱导系统以及交通信息服务系统等智能交通系统的重要研究内容。

目前国内外对道路行程时间的短时预测技术开展了大量研究，基于统计模型以及人工智能等技术的预测方法不断被提出，并且预测的准确性也不断得到提高。然而，我国城市道路交通状况复杂，交叉口延误、机非混行等因素致使行程时间预测过程存在诸多不确定性。因此，在行程时间预测过程中考虑不确定性，进一步提高行程时间预测的准确性和可靠性是当前行程时间预测领域的研究热点和难点。

此外，随着城市道路交通监控系统的发展，感应线圈、微波车辆器、高清视频摄像机、车载GPS设备，以及蓝牙手机等多种交通信息采集设备为道路行程时间的估计和预测提供了多元化的数据来源，也为基于多源数据融合技术的行程时间预测提供了必要的数据支撑。因此，如何在考虑单一数据源行程时间预测不确定性的基础上，进一步对多源行程时间预测结果进行融合估计，可进一步提高行程时间预测的准确性和可靠性。

发明内容

发明目的：针对当前道路行程时间短时预测及融合技术缺乏对行程时间不确定性量化分析的问题，本发明以行程时间预测过程中的动态方差量化行程时间的不确定性，并以此为基础，提出了一种采用多源同构数据的行程时间实时融合预测方法。

技术方案：一种采用多源同构数据的行程时间实时融合预测方法，所述方法包括如下步骤：

（1）获取S₁,S₂,...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）对于数据源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

（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。

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。