[发明专利]一种考虑时空相关性的短时交通流预测方法

权利要求书

1.一种考虑时空相关性的短时交通流预测方法，其特征在于：包括如下步骤，

步骤S1：考虑时间相关性对目标检测点交通流的影响，获取短时交通流的时间关联预测值；

步骤S2：利用层次聚类方法分析研究对象交通流的空间相关性，并确定几个关键的空间关联点；

步骤S3：考虑空间关联点的交通流对目标检测点交通流的影响，获取短时交通流的空间关联预测值；

步骤S4：采用熵值法融合时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值，生成目标检测点短时交通流的最终预测结果；

步骤S5：根据交通流的预测结果和实际交通数据，对预测误差进行评价分析。

2.根据权利要求1所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S1中，所述短时交通流的时间关联预测值通过如下方式获取：

步骤S11：收集目标检测点的交通流数据集，通过皮尔逊相关系数计算之前h周同一天交通流数据彼此间的时间相关性：

其中，σ和分别为样本数据X和的标准差；

步骤S12：获取第m^T周之前在当前时刻下一时段所对应时段的历史交通流值：

步骤S13：统计平均这些同一时段的历史交通流量值，得到目标检测点在下一时段短时交通流量的时间关联预测值：

3.根据权利要求1所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S2中，利用层次聚类方法分析上下游交通流的空间相关性，从一个聚类簇中选取一个关联点，同时确保每两个选取点之间有一个立交桥或交叉路口。

4.根据权利要求2所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S3中，所述短时交通流的空间关联预测值通过如下方式获取：

步骤S31：计算目标检测点与其空间关联点交通流的皮尔逊相关系数：

其中，为的标准差，r为空间关联点的数目；

步骤S32：获取关联点n^S在时的交通流量值：其中，表示关联点n^S到目标检测点的延时；

步骤S33：统计平均这些空间关联点在对应时段的交通流量值，得到目标检测点在下一时段短时交通流量的空间关联预测值：

5.根据权利要求4所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S4中，利用熵值法得到短时交通流最终预测结果的过程如下：

步骤S41：假设支持向量机或神经网络对短时交通流量的预测值为P_A(t+1)，线性组合所述时间关联预测值、空间关联预测值和支持向量机或神经网络的预测值三个预测值，作为目标检测点短时交通流量的最终预测结果：

P(t+1)＝λ₁P_A(t+1)+λ₂P_T(t+1)+λ₃P_S(t+1)

其中，融合权重λ₁、λ₂和λ₃满足关系：λ₁+λ₂+λ₃＝1；

步骤S42：假设P_A(t)，P_T(t)和P_S(t)均是P(t)的无偏估计，且它们各自的归一化预测误差分别为e₁(t)，e₂(t)和e₃(t)，则通过以下公式计算三者的融合权重：

其中，表示单个预测方法在当前时刻的相对误差率，N表示预测方法所采用的时间周期数。

6.根据权利要求1所述的一种考虑时空相关性的短时交通流预测方法，其特征在于：在所述步骤S5中，采用以下的评价标准对预测误差进行评价分析：

1)平均绝对百分误差(MAPE)：

2)均方根误差(RMSE)：

3)相关系数(R)：

其中，Y_i为实际交通量，Y_i^*为预测的交通流量，n为样本个数。