[发明专利]基于矩阵稳定性分析的智能交通预测系统

说明书

本发明提出一种基于矩阵稳定性分析的智能交通预测系统、使用该系统的区域交通指数预测方法以及实现该方法的计算机可读存储介质。本发明的技术方案基于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的多个交通信息数据进行预测之后，根据当前预测结果生成交通预测指数矩阵，并基于交通预测指数矩阵生成差异矩阵之后判断其稳定性，若差异矩阵稳定，则执行当前时间节点的预测过程并输出预测结果，否则，停止预测，等待预定时间段之后再执行预测过程。相对于现有技术，本发明的技术方案不需要时刻执行预测过程，同时保证了预测结果的及时性和准确性，符合客观规律并且取得了较好的使用效果，能够降低数据处理的成本。

技术领域

本发明属于智能交通技术领域，尤其涉及一种基于矩阵稳定性分析的智能交通预测系统、使用该 系统的区域交通指数预测方法以及实现该方法的计算机可读存储介质。

背景技术

智能交通是一个基于现代电子信息技术面向交通运输的服务系统。它的突出特点是以信息的收 集、处理、发布、交换、分析、利用为主线，为交通参与者提供多样性的服务。智能交通系统 (Intelligent Traffic System，简称ITS)又称智能运输系统(IntelligentTransportation System)，是将先进的科 学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、 人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联 系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

智能交通的一个目标就是提高资源的利用率，更好的运用现有的资产和基础设施。这个目标可以 通过几种方法来实现：收集交通网络状况的实时数据、识别移动性和资源使用的模式、预测需求、实 现现有基础设施和资源的合理使用。

具体来说，对从道路上的传感器和设备上收集而来的数据或从其他代理机构得到的数据(包括实 时数据和历史数据)进行分析，我们就可以达到预测需求，优化资源配置的目标。这种分析可以帮助交通 管理中心或者交通服务提供商作出合理的预测，优化交通资源的配置和使用。这些收集的数据也可以 用于提供增值服务，或者为道路使用和维护的收费提供一些新的方法，例如拥堵费，这些方法可以用 于引导旅客的行为从而对整个交通环境起到积极的作用。智能交通把致力于提高旅客的用户体验作为 目标之一。例如，一个智能的解决方案可以提供实时导航，告知驾驶者由于突发事件或者交通拥堵导 致的路线变化，或提供多种公共交通的方案以供选择。这种解决方案同时也可以通过鼓励旅客来实现平衡公共交通工具和私有交通工具的使用的目的。辅助决策交通流量的数据可以直接来自于不同的交 通服务提供商或者交通管理中心，也可以基于交通服务商提供的增值服务，向旅客开放这些相关数据 是提升他们对城市交通系统满意度的重要因素之一。

申请号为CN201811536443.7的中国发明专利提出一种基于动态分解模式和矩阵填充的交通流 预测方法，在传统的动态模式分解进行交通流预测的模型基础上，考虑了由于外界天气或交通设备自身 会发生失灵等问题，会造成交通数据发生丢失的问题。对于缺失的部分需要与已知的部分进行分开处 理，所以考虑引入矩阵填充中的相关技术解决这一问题。对于矩阵填充问题，假设原始数据中部分发 生丢失，则最标准的矩阵填充问题可以利用秩最小化的约束来进行求解；预测模型的主要思想就是在 确定两个噪声项的关系以及数据快照矩阵之间的对应关系，考虑了交通数据的缺失这一系列约束下，使 得K和噪声最小，从而得到准确的交通估计值；

申请号为CN201910828960.X的中国发明专利申请提出基于集成学习的交通流预测模型、预测方 法、系统、装置，利用时空特征学习模型，动态生成基学习器的权重系数，以获取最终的预设检测点 的交通流预测值，可以进一步提高交流预测的准确度。该申请中的交通流预测模型中基于时空特征学 习模型动态生成基学习器的权重系数，能够更加有效地利用不同基学习器的优点，使得交通流预测模 型以及基于该模型的预测方法的预测结果具有较高的精度和鲁棒性，尤其在交通领域较为关注的随机 性较强的交通数据上具有良好的预测效果。