[发明专利]一种考虑时空相关性的短时交通流预测方法

说明书

本发明涉及一种考虑时空相关性的短时交通流预测方法。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；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；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；采用“熵值法”融合时间关联预测值、空间关联预测值和现有方法的预测值，生成目标检测点短时交通流的最终预测结果；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。本发明方法可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而有效提升短时交通流预测结果的准确性。

技术领域

本发明涉及智能交通领域，特别是一种考虑时空相关性的短时交通流预测方法。

背景技术

如今的智能交通系统在给市民带来便利的同时不可避免地导致了环境污染、资源浪费和交通拥堵等问题。如何有效缓解城市交通拥堵瓶颈已成为各大城市面临的厄待解决的问题。准确的交通流预测可为市民出行和城市交通规划提供指导性建议，同时预先对交通流进行疏导可有效防止交通拥堵的产生和演变。

国内外业已提出的交通流预测方法主要有时间序列法、卡尔曼滤波、混沌理论、神经网络和支持向量机(SVM)等。影响交通流变化的因素多种多样，而且彼此之间具有非线性和随机性的特点。传统方法在预测时往往只考虑目标路段在时间维上的交通流变量，缺乏对空间关联路段交通流有效信息的利用，不足以准确反映城市交通流的复杂变化特征。近年来，随着深度学习的流行，不少学者利用深度神经网络来分析交通流的时空特征，训练后的模型可以得到理想的预测结果。然而，深度神经网络所取得的成功需要巨大的数据集和很长的训练时间作为代价。为克服现有方法的缺陷，需要提出利用城市道路交通流时空关联信息的预测方法，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而提高短时交通流预测的效率和准确性。

发明内容

本发明的目的在于提供一种考虑时空相关性的短时交通流预测方法，该方法利用城市道路交通流时空关联信息进行预测，可克服现有方法不能充分利用时空特征的不足，同时可进一步将时空关联预测结果和现有方法的预测结果进行融合，从而提高短时交通流预测的准确性。

为实现上述目的，本发明的技术方案是：一种考虑时空相关性的短时交通流预测方法，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。

在本发明一实施例中，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：