[发明专利]一种道路交通流状态的短时预测方法

权利要求书

1.一种道路交通流状态的短时预测方法，其特征在于包括以下步骤：

第一步、根据构建的DBN网络结构，初始化网络参数；初始先验条件π_i和λ＝{A,B}；

初始交通流状态先验分布向量π_i＝p(x_i),i＝1,2,3,...,n，表示交通流不同状态下的概率，n为交通流状态的数量，交通流状态分为自由流、间歇流和拥堵流三种状态，n＝3，初始设定π₁＝π₂＝π³＝1/3；

交通流状态间状态转移矩阵：A＝(a^ij)_n*n,其中a^ij＝p(x_t＝i/x_t-1＝j)，表示x在t-1时刻由i变成t时刻j的概率,i，j＝1,2,…,n；当i＝j时，0.5≤a^ij≤1,当i≠j时，0<a^ij<0.5,其中Σi=0naij=1;]]>

交通流状态与交通流参数间状态转移矩阵:B＝(bⁱ(k))_1*n,其中bⁱ(k)＝p(y_t＝kxt-1＝i,i＝1,2,…,n,表示交通流状态x在t-1时刻状态i的条件下，交通流参数y为状态K的概率；其中k表示交通流参数y在t时刻的状态；k的变量取车速、车流量和车道占有率；

拥堵流条件下，车速低、占有量大、流量小的概率取值在0.5-1.0之间，其余在0-0.5之间；间歇流条件下，车速中、占有量中、流量中的概率取值在0.5-1.0之间，其余在0-0.5之间；

自由流条件下，车速高、占有量小、流量中的概率取值在0.5-1.0之间，其余在0-0.5之间；

R表示参数A更新的小样本时间段数，r*m表示参数B更新的小样本时间段数；小样本总数为20-200，r取4-10，m取5-20；

第二步、根据第一时刻送来的交通流参数数据以及上一步的网络参数π_i和λ＝{A,B}，计算第一时刻交通流状态的后验概率ψ₁和第二时刻交通流状态的先验概率α₂(j)，公式如下：

ψ1=p(x1/y11,y12,y13)=πΠK=13bi(k)Σx1ΠK=13bi(k)]]>

α2(j)=Σi=13ψ1(i)aij]]>

第三步、根据第二时刻送来的交通流参数数据以及上一步的结果，计算第二时刻交通流状态的后验概率ψ₂，第三时刻交通流状态的先验概率α₃(j)和第一次的交通流状态之间的转移概率公式如下：

ψ2=p(x1/y21,y22,y23)=a1(j)ΠK=13bi(k)Σx1a1(j)ΠK=13bi(k)]]>

α3(j)=Σi=13ψ2(i)aij]]>

ξ1ij=p(x2=j/x1=i,y11,y12,y13)=ψ1(i)aijΠk=13bi(k)Σi=13ψ1(i)aijΠk=13bi(k)]]>

第r+1步：以此类推，直至第r时刻输入中以及上一步的结果，并令t＝r，计算第r时刻交通流状态的后验概率ψ_r，第r+1时刻交通流状态的先验概率α_r+1(j)和第r-1次的交通流状态之间的转移概率公式如下：

ψr=p(x1/yr1,yr2,yr3)=ar-1(j)Πk=13bi(k)Σx1ar-1(j)Πk=13bi(k)]]>

αr+1(j)=Σi=13ψr(i)aij]]>

ξr-1ij=ψr-1(i)aijΠk=13bi(k)Σi=13ψr-1(i)aijΠk=13bi(k)]]>

网络参数A的更新；

对r-1次的交通流状态之间的转移概率f＝1,2,3…r-1,采用Dirichlet分布模型定义先验分布,采用矩估计法计算先验分布的超参数以确定先验分布,并对该分布进行采样形成等价样本,以该等价样本与获得的r-1个s＝1,…,r-1,并和计算样本Μ＝1,…,r-1进行取均值,对当前时刻的参数A进行更新，计算公式为：

为归一化因子,满足

令完成网络参数A的更新；

网络参数B的更新；

对于网络参数B，统计出r*m个时间段内交通流参数状态为d时，其所对应交通流参数状态的数量，计算公式为：

令完成网络参数B的更新；

下一次预测周期开始时，网络参数以更新的参数作为输入。