[发明专利]基于影响因素分析的交通流量序列模式匹配方法

说明书

本发明公开了一种基于影响因素分析的交通流量序列模式匹配方法。本发明首先在对已有交通流量序列通过聚类得到结果的前提下，确定每一类当中每一条交通流量序列的属性向量。其次针对每个类，统计其每个属性中每个值的出现次数，计算其出现频率，并得到每个类的重要性系数矩阵。然后确定待匹配交通流量序列的属性向量，计算待匹配交通流量序列与每一类的相似度向量。最后由待匹配交通流量序列的相似度向量，计算每条属性的相似度与该属性可能的取值数量相乘再累加，得到待匹配交通流量序列与每一类的相似度，选取相似度最大的一类作为最终匹配结果。本发明在保证精确性的前提下，还有计算复杂度小等优点。

技术领域

本发明涉及一种对交通流量序列进行模型匹配的方法，具体是一种基于影响因素分析的交通流量序列模式匹配方法，属于交通控制领域。

背景技术

近年来，随着经济的快速发展，机动车持有量迅速增加，交通管理现状和需求的矛盾进一步加剧。在此情况下，如何利用先进的科技手段提高交通管理水平是当前交通管理部门亟待解决的问题。

模型匹配，或者说模式识别，就是通过计算机用数学技术方法来研究模式的自动处理和判读。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是计算机对模式的识别。现有的一些模式识别的方法主要有：判别函数法，k近邻分类法，非线性映射法，特征分析法，主因子分析法等。

将模型匹配技术应用于交通领域，利用大数据技术和智能分析技术，整合城市管理的其他数据，将真正推动智慧交通建设，为交通管理奠定良好的基础。因此，本发明提出一种基于影响因素分析的交通流量序列模式匹配方法，能为交通流量序列做出更精准的预测提供条件，进而可以做出进一步的交通管理调度。

发明内容

本发明的目的在于实现对交通流量序列做快速的模型匹配，为交通流量序列做出更精准的预测提供条件。

本发明的基本思想为：具有相同属性的不同流量序列，其形状或者说数值也有较大概率相同或者类似。以某一类样本序列内某一属性出现次数与此类内样本总数的比值作为影响因素，影响因素与属性取值个数的累积和作为相似度。以此相似度作为评判依据，能够很好的判断待匹配数据能与此类样本序列匹配程度，最终输出使得相似度最大的类作为匹配结果。

本发明的基本步骤如下：

基于影响因素匹配的交通流量序列模式预测方法包括以下步骤：

c1、在对已有交通流量序列通过聚类得到结果的前提下，确定每一类当中每一条交通流量序列的属性向量。

c2、针对每个类，统计其每个属性中每个值的出现次数，计算其出现频率，并得到每个类的重要性系数矩阵。

c3、确定待匹配交通流量序列的属性向量，计算待匹配交通流量序列与每一类的相似度向量。

c4、由待匹配交通流量序列的相似度向量，计算每条属性的相似度与该属性可能的取值数量相乘再累加，得到待匹配交通流量序列与每一类的相似度，选取相似度最大的一类作为最终匹配结果。

步骤c1的过程包括：

c11、假设原交通流量序列分为J类。原始数据可能有多个属性，从其中选出对交通流量序列有影响的m个属性构成交通流量序列的属性向量V。即：

V＝[v₁,v₂,…,v_i,…,v_m] (1-a)

该向量的每一个元素均为事先设定的能够影响交通序列的因素，包括但不限于星期，天气，季节等。第i个属性元素有p_i个不同取值，且p_i的最大值为n。

步骤c2的过程包括：