[发明专利]一种时空关联度与SVR结合的高速公路短时流量预测方法

权利要求书

1.一种时空关联度与SVR结合的高速公路短时流量预测方法，其特征在于，包括以下步骤：确定待预测的目标断面i，记当前时刻为t，预测时长为T，选择与目标断面i在t+T时刻的流量相关的多个上游断面j；

获取目标断面i以及多个上游断面j在时刻t所对应的时段T_t内的交通流量原始数据序列；

对目标断面i以及多个上游断面j在时刻t所对应的时段T_t内的交通流量原始数据序列进行预处理；

计算当前时刻t上游断面j所对应的时段T_t内的交通流量原始数据序列与历史状态矩阵的时空关联度；

对目标断面下一检测周期的流量进行预测，得到预测结果q_i-D(t+T)；

选择目标断面i与t时刻相邻的前n个检测周期的数据作为支持回归机的输入来训练得到支持向量机回归模型；

用支持向量机回归模型进行预测，输出预测结果q_i-SVR(t+T)；

将预测结果q_i-D(t+1)、q_i-SVR(t+1)进行加权融合，得到最终的预测结果。

2.根据权利要求1所述的一种时空关联度与SVR结合的高速公路短时流量预测方法，其特征在于，所述计算当前时刻t上游断面j所对应的时段T_t内的交通流量原始数据序列与历史状态矩阵的时空关联度的具体方法：

计算从断面k到断面k+1的平均速度v_k,k+1、平均行程时间t_k,k+1以及从上游各个断面到达相邻目标断面i的平均时间t_i,j；

利用从上游各个断面到达目标断面i的平均行程时间t_i,j与预测时长T的差值Δt_i,j计算各断面的权重系数a_i；

则当前时刻t上游断面j所对应的时段T_t内的交通流量原始数据序列与历史状态矩阵的时空关联度为：

其中，a_j表示第j个断面的权重系数，x_ij表示当前的i时刻第j个断面的流量，y_ij表示历史的i时刻第j个断面的流量。

3.根据权利要求1所述的一种时空关联度与SVR结合的高速公路短时流量预测方法，在所述将预测结果q_i-D(t+1)、q_i-SVR(t+1)进行加权融合步骤中，权重系统的确定方法为：对两种预测模型得到的相对误差序列进行归一化处理；

其中，N表示序列的长度，i表示第i种预测模型，t表示序列中的第t个误差数据，e_it表示第i种预测模型的第t个误差数据，p_it表示将误差数据归一化以后的第i种预测模型的第t个误差数据；

分别计算两种预测模型相对误差的熵值h_i；

其中，k＞0为常数，ln为自然对数，h_i≥0；

计算两种预测模型相对误差序列的变异程度系数d_i；

d_i＝1-h_i(0≤h_i≤1)

计算两种预测模型的加权系数

其中，n表示n个预测模型。