[发明专利]一种交通流时间序列分解方法

说明书

本发明公开了一种交通流时间序列分解方法，它包括以下步骤：(1)采集所需要分析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分解为趋势、周期和残差3个成分。该方法充分考虑了交通流序列的周期性，可以剥离出随机噪声的影响，提取交通流周期波动以及趋势变化的规律。该方法适用于具有周期性的交通流状态序列，分解结果可用于交通状态分析、检测与预测，辅助智能交通系统的研究。

技术领域

本发明涉及智能交通控制技术领域，具体为一种交通流时间序列分解方法。

背景技术

交通流序列是通过道路检测设备获得的第一手交通状态数据，对交通流序列分析一直以来都是交通工程领域的研究热点。运用科学的方法与技术手段，研究分析交通流序列的变化特征，可以挖掘出交通流的增长趋势、时段瓶颈和异常状态等，一方面可以为道路使用者提供合理的路径规划方案，另一方面，可以为政府道路交通管理部门制定管理与控制方案提供决策依据。

现阶段研究普遍认为现实生活中的交通流序列是由多种信号源叠加产生的复合结果，一方面，交通流序列在短期内不稳定、波动较大，而另一方面，交通流在长期内又呈现周期变化的规律。而时间序列分解技术则是通过特定的方法把时间序列分解为多个简单的、具有一定规律的时间序列分量。根据交通流周期变化的特征，对交通流序列进行时间序列分解，可以剥离出随机噪声的影响，提取交通流周期波动规律。因此，对交通流序列分解可以分析交通流的长期变化趋势、周期波动、异常状态等，辅助交通流运行状况监测、交通流预测等智能交通技术的实施。

发明内容

为了可以将交通流序列分解为趋势、周期和残差3个成分；并提供一种动态分解方法，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，本发明提供一种交通流时间序列分解方法，可以将交通流序列分解为趋势、周期和残差3个成分；并提供了一种动态分解方法，基于已建立的分解模型，对新观测的交通流数据实现动态分解。该方法可以用于分析交通流序列的整体趋势、周期波动以及异常状况，为达此目的，本发明提供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。

作为本发明进一步改进，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。

作为本发明进一步改进，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]^Τ，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]^Τ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