[发明专利]一种基于时空相关性的短时交通流量预测方法

说明书

本发明公开了一种基于时空相关性的短时交通流量预测方法，首先分析路网中各路段之间的空间关系建立路网空间权重矩阵，并将此矩阵与在时间延迟d下的时间相关性公式结合得到时空相关性的计算公式；确定路网中要进行交通流预测的目标路段，计算路网中各路段与目标路段的时空相关性系数，筛选出相关性高的路段；使用神经网络对相关性高的路段数据进行训练并预测交通流量，然后基于粗糙集理论对其结果进行修正和补偿得到最后的预测结果。本发明对各路段交通流量之间存在的规律进行了应用，优化了神经网络的训练数据，实现智能交通系统实时准确的交通流预测。

技术领域

本发明涉及智能交通领域，尤其是一种基于交通流时空相关性的短时交通流量预测方法。

背景技术

近年来，经济社会飞速发展与机动车数量迅猛增长，交通压力日益增加。20世纪60年代提出了智能交通系统简称ITS运用交通检测器获取的实时交通信息来滚动预测未来的交通状况合理引导出行，达到缓解路网交通拥挤的目的。实现对道路交通流量的预测，已成为当前城市交通控制与管理中的一个重要问题。构建一个高效的交通流量预测模型与算法，实现道路的短时交通流量预测，对提高城市道路控制与管理能力意义重大。

从交通路网整体或某一区域范围来看，某路段的交通状况必然受到上下游路段交通状况的影响，路段上的交通流量势必与相连路段的交通流量存在相应的时空相关性。本发明的目的是从路段之间存在的时间与空间相关性出发，从大量交通流量数据中找到与被预测路段相关性高的时空序列集，以提高交通流量预测的准确性。

发明内容

为了实现更好的短时交通流量预测，本发明结合时间与空间相关性，提出一种预测效率更高、预测精度更准确的预测方法。所述技术方案如下：

一种基于时空相关性的短时交通流量预测方法，包括下述步骤：

步骤1：分析路网中各路段之间的空间关系建立路网空间权重矩阵，并将此矩阵与在时间延迟d下的时间相关性公式结合得到时空相关性的计算公式；

步骤2：确定路网中要进行交通流预测的目标路段，计算路网中各路段与目标路段的时空相关性系数，筛选出相关性高的路段；

步骤3：使用神经网络对相关性高的路段数据进行训练并预测交通流量，然后基于粗糙集理论对其结果进行修正和补偿得到最后的预测结果。

在完成上述步骤的基础上，还可通过以下步骤来进行评价：

步骤4：根据最后的交通流预测结果和实际的交通流数据进行比较分析计算，得到预测误差进行评价分析。

在本发明一实施例中，在所述步骤1中，所述的空间权重矩阵和时空相关性系数通过如下方式获取：

步骤1.1：首先建立空间权重矩阵W_ij，i与j为路网中任意两条路段；其数学表达式如下：

式中，当i，j两条路段有路网连接即i与j互通，i能通向j，j能通向i，则称路段i，j邻接，空间矩阵的值取1，否则都置0；

步骤1.2：计算时间相关性系数，时间相关系数ρ_ij表示在t时刻，路段i，j的时间序列X_i，X_j的交通流量在时间延迟d的作用下的相关性；采用Pearson相关系数计算时间序列X_i，X_j相关性，其相关系数表达式为：