[发明专利]基于矩阵稳定性分析的智能交通预测系统

权利要求书

1.一种基于矩阵稳定性分析的智能交通预测系统，所述预测系统包括预测数据输入模块、当前预测结果输出模块、矩阵生成模块、稳定性判断模块以及交通可视化显示界面，

其中，所述预测数据输入模块，用于输入预定目标区域内预定时间段的多个交通信息数据；所述多个交通信息数据由设置于远端的与所述智能交通预测系统无线通信的多个传感器组件采集得到；

所述当前预测结果输出模块，基于所述多个交通信息数据，输出当前预测结果；所述当前预测结果包括在未来多个时间节点处多个目标区域的交通指数；

所述矩阵生成模块，用于基于所述交通指数生成交通预测指数矩阵；

所述稳定性判断模块，用于判断所述交通预测指数矩阵的稳定性；

所述交通可视化显示界面，用于基于所述稳定性判断模块的输出结果，将最终的预测结果可视化的显示；

其特征在于：

所述判断所述交通预测指数矩阵的稳定性，具体包括：

在时间节点t1处，获取所述多个传感器组件采集得到的多个交通信息数据集合V1；

基于所述多个交通信息数据集合V1，输出当前预测结果对应的交通预测指数矩阵Y1；

在时间节点t2处，获取所述多个传感器组件采集得到的多个交通信息数据集合V2；

基于所述多个交通信息数据集合V2，输出当前预测结果对应的交通预测指数矩阵Y2；

计算Y1和Y2的差值矩阵Y；

基于赫尔维兹稳定性判据判断所述差值矩阵Y是否稳定；

所述交通可视化显示界面，用于基于所述稳定性判断模块的输出结果，将最终的预测结果可视化的显示，具体包括：

如果所述差值矩阵稳定，则在所述交通可视化显示界面输出当前时间节点处的交通预测结果；

如果所述差值矩阵不稳定，则停止当前预测，并在经过预设时间段之后，再次获取所述多个传感器组件采集得到的多个交通信息数据集合；

其中，交通预测指数矩阵的行元素为不同时间节点的交通指数值，列元素为不同目标区域的交通指数值。

2.如权利要求1所述的智能交通预测系统，其特征在于，采用如下方式判断所述交通预测指数矩阵的稳定性：

将所述差值矩阵Y按行进行元素归一化，得到归一化矩阵；

并且，不同行采用的元素归一化方法不同；

判断所述归一化矩阵是否是正交矩阵；

如果是，则所述差值矩阵Y稳定。

3.如权利要求1所述的智能交通预测系统，其特征在于，采用如下方式判断所述交通预测指数矩阵的稳定性：

在四个时间节点t1-t4处，获取所述多个传感器组件采集得到的多个交通信息数据集合V1-V4；

基于多个交通信息数据集合V1-V4，输出对应的交通预测指数矩阵Y1-Y4；

基于交通预测指数矩阵Y1-Y4，得到差值矩阵Ydiff；

计算所述差值矩阵Ydiff的特征根，

如果不存在绝对值小于1的特征值，则差值矩阵稳定。

4.一种区域交通指数预测方法，所述预测方法基于权利要求1-3任一项所述的智能交通预测系统实现，所述方法包括如下步骤：

S701：获取所述多个传感器组件采集得到的多个交通信息数据集合V1；

S702：基于所述多个交通信息数据集合V1，输出当前预测结果对应的交通预测指数矩阵Y1；

S703：获取所述多个传感器组件采集得到的多个交通信息数据集合V2；

S704：基于所述多个交通信息数据集合V2，输出当前预测结果对应的交通预测指数矩阵Y2；

S705：将Y1和Y2进行归一化处理后，得到归一化矩阵Y1′和Y2′；

S706：计算差值矩阵Y′＝Y1′-Y2′；

S707：判断所述差值矩阵Y′是否稳定；如果是，则输出当前时间节点处的预测结果；

否则，等待预设时间段之后，返回步骤S701。

5.如权利要求4所述的方法，其中，步骤S707判断所述差值矩阵是否稳定，具体包括：

计算矩阵主行列式以及各递减子矩阵的子行列式的值，

如果所述值均大于0，则所述差值矩阵稳定。