[发明专利]一种交通流时间序列分解方法

权利要求书

1.一种交通流时间序列分解方法，其特征在于：所述方法可以将交通流序列分解为趋势、周期和残差3个成分，并附有一种动态分解方法，基于已建立的分解模型，对新观测的交通流数据进行动态分解，

(1)采集所需要分析的道路断面的交通流历史数据；

(2)将历史交通流序列分解为趋势、周期和残差3个成分；

(3)将新观测的交通流序列动态分解为趋势、周期和残差3个成分。

2.根据权利要求1所述的一种交通流时间序列分解方法，其特征在于：所述交通流历史数据为交通流量、车辆平均速度或其他交通状态指标所组成的时间序列。

3.根据权利要求1所述的一种交通流时间序列分解方法，其特征在于：步骤二将历史交通流序列分解为趋势、周期和残差3个成分具有以下步骤：

(1)定义所采集的交通流序列为Y(t)，周期长度为C，周期数量为M，则交通流序列Y(t)的样本数量为MC，初始化趋势分量T(t)＝0；

(2)去趋势，用原始交通流序列Y(t)减去趋势分量T(t)，得到去趋势的时间序列即：

(3)周期子序列平滑，对每个周期子序列作K为M/2的LOESS，并分别向前和向后各延展一个周期；

即表示对于自变量为X＝[1，2，3，4，..，M]^T，因变量为周期子序列Y＝[Y(c)，Y(C+c)，Y(2C+c)，...，Y((M-1)C+c))]^T，基于K＝M/2的LOESS求X＝[0，1，2，3，4，..，M，M+1]^T时对应的估计值再把所有周期子序列估计值按照时间先后重组成临时时间序列

上述周期子序列S_c(t)＝{Y(c)，Y(C+c)，Y(2C+c)，...，Y((M-1)C+c))}，c＝1，2，...，C表示由每个周期同一位置的数据所组成的时间序列；

(4)周期子序列的低通量过滤，对临时时间序列依次做长度为C、C和3的移动平均，然后再做K＝C的LOESS，得到时间序列L(t)，t＝1，2，...，MC；

(5)去平滑周期子序列趋势，用减去L(t)，即：

计算周期分量，依据F(t)，首先计算单个周期的周期分量Q(t)，t＝1，2，...，C：

然后再把将Q(t)扩展M个周期，得到周期分量P(t)，t＝1，2，...，MC

(6)去周期，用原始交通流序列Y(t)减去周期分量P(t)，得到去周期的时间序列即：

计算趋势分量，对去周期的时间序列做K＝C的LOESS，得到趋势分量T(t)；

(8)终止条件判断，若满足终止条件，则执行下一步骤(9)，否则继续执行先前步骤(2)至(7)；

(9)计算残差分量，用原始序列Y(t)减去趋势分量T(t)和周期分量P(t)，得到残差分量R(t)，即：

R(t)＝Y(t)-T(t)-P(t)。

4.根据权利要求1所述的一种交通流时间序列分解方法，其特征在于：步骤三将新观测的交通流序列动态分解为趋势、周期和残差3个成分，其具有以下步骤：

首先定义新观测数据Z(t)，t＝MC+1，MC+2，...

(1)按照时间先后顺序遍历Z(t)中的所有的数据z_t，执行步骤(2)至(5)，直到所有的观测数据都完成了分解；

(2)计算周期分量，根据z_t所在周期的位置和权利要求3中步骤(5)得到的单周期分量Q(t)，计算其周期分量p_t；

(3)去周期，用原始观测值z_t减去周期分量p_t得到去周期数值

(4)计算趋势分量，把附加的尾部，并做K＝C的LOESS求该点的估计值，得到趋势分量t_t；

(5)计算残差分量，用原始观测序列z_t减去趋势分量t_t和周期分量p_t，得到残差分量r_t，即：

r_t＝z_t-t_t-p_t。