[发明专利]一种数据稀疏时间段的道路交通流状况预测方法

说明书

本发明提供的一种数据稀疏时间段的道路交通流状况预测方法，当交通流数据不充足时，使用时间动态序列补充方法探索待预测道路交通流在时间序列上的转变规律，通过基于条件随机域的环境信息特征提取，还原出数据稀疏时间段的道路交通状况，得到道路交通流在一段时间内的时间演变序列，通过和该路段交通流的历史时间序列进行匹配，找出具有相似演变趋势的时间序列片段，推断出预测时间点的交通流状况。经过试验和实地检测表明，本发明交通流数据稀疏时间段的预测结果基本准确可靠，有效补充现有技术中数据稀疏时间段的道路交通流状况预测的不足，补齐交通流状况预测短板，提升道路交通流状况预测方法的整体质量。

技术领域

本发明涉及一种道路交通流状况预测方法，特别涉及一种数据稀疏时间段的道路交通流状况预测方法，属于道路交通流状况预测技术领域。

背景技术

当前，城市道路交通拥堵状况越来越严重，虽然城市规划建设路网越来越多，越来越完善，但由于缺少高效的智能交通引导系统，部分路段扎堆拥堵，部分路段利用率低，路网整体通行效率不高，亟需提高城市道路交通状况预测和规划能力。随着智能道路交通系统的发展，城市道路交通状况高精度预测可以被广泛的应用于交通路线规划、协调交通拥堵、智能城市计算、道路规划评估等方面，精准的城市道路交通状况预测对于政府部门、企业和广大的市民都有很大的用处，政府部门可以通过预测情况实时了解城市道路交通状况，从而有效管理交通资源、发现需求分布、提前布局规划，广大市民可以根据道路交通状况实时预测情况，合理规划交通路线，及时准确了解出行时间，改善出行体验，提高行驶效率，城市道路交通状况预测还可以给广大司机推荐可靠的导航路线，使得城市地图导航更加科学化、智能化和人性化。

现有技术出现了一些道路交通流状况预测的研究，但这些预测主要依赖于大量历史数据和实时道路交通流信息，需要大量且可靠的道路交通流历史数据，预测的准确性在很大程度上依赖于样本的数量和可靠性，只有足够密度和精度的数据才能支撑该类道路交通流状况预测。这在现实的道路交通流状况预测中存在很大的问题，现实中大量存在着交通流数据稀疏的道路，同样需要准确的道路交通流状况预测，如果这些路段交通流数据稀疏时间段的预测精度太低，将会严重影响全路网的道路交通流状况预测质量，甚至使全路网的道路交通流状况预测陷入混乱，因此，数据稀疏时间段的道路交通流状况预测十分重要。

通过现有研究发现在一些交通流数据稀疏等特定时间段内，特别是每天凌晨等交通流数据稀疏时间段，现有技术不能起到很好的预测效果，稀疏时间段的道路交通流状况预测效果很差，这是因为现有技术的方法需要大量的交通流训练数据做基础，才能训练出有效的网络用于特征提取，所以在交通流数据稀疏时间段，现有技术由于无法训练出高效的网络而不能起到预测效果。

综合来看，现有技术主要存在以下几点缺陷：一是现有技术出现的一些道路交通流状况预测主要依赖于大量历史数据和实时道路交通流信息，需要大量且可靠的道路交通流历史数据，预测的准确性在很大程度上依赖于样本的数量和可靠性，只有足够密度和精度的数据才能支撑该类道路交通流状况预测。这在现实的道路交通流状况预测中存在很大的问题，现实中大量存在着交通流数据稀疏的道路，同样需要准确的道路交通流状况预测；二是现有技术对于数据稀疏时间段的道路交通流状况预测方法研究很少，相关专利技术更少，而数据稀疏时间段的道路交通流状况预测十分重要，如果这些路段交通流数据稀疏时间段的预测精度太低，将会严重影响全路网的道路交通流状况预测质量，甚至使全路网的道路交通流状况预测陷入混乱，研发数据稀疏时间段的道路交通流状况预测方法将填补缺少样本条件下的交通流状况预测研究空白，补齐交通流状况预测短板，提升道路交通流状况预测方法的整体质量；三是现有技术对于缺少数据的交通流预测没有针对性方法，一般都是简单的统计，没有理论支撑，预测方法准确率很低，实时性和动态智能性很差。