[发明专利]一种基于响应曲面的交通流量预测模型参数标定方法

说明书

本发明公开了一种基于响应曲面的交通流量预测模型参数快速标定方法，包括以下步骤：S1、确定交通流量预测模型参数的解空间；S2、计算初始化参数组合下的模型误差；S3、生成参数与模型误差间的响应曲面；S4、收敛性检验；S5、确定下一个参数组合点；S6、计算在该参数组合点下的模型误差。本发明方法可以实现交通流预测模型参数的快速标定，不需要对所有参数组合下的模型预测结果进行计算，大大节省模型试算占用的时间，并且本发明方法兼顾搜索效率与公平性，可防止标定结果限于局部最优解。同时，本发明方法应用场景多、操作简单、易于编程。

技术领域

本发明涉及交通运输工程、智能交通领域，具体涉及一种基于响应曲面的交通流量预测模型参数标定方法。

背景技术

交通流量预测是智能交通系统进行交通状态推演、导航车辆路径选择、智能交通管控等技术的基础，准确的交通流量预测模型能够更好的服务于智能交通系统的运营。近年来，随着交通大数据、人工智能、深度学习等新一轮科技革命的推进，交通流量预测模型得到了长足的发展，衍生出了更加复杂、更加精准的交通流量预测模型，例如基于深度学习的交通流量预测模型。

此类模型虽然能够大大提升交通流量的预测准确度，但是却面临着模型参数标定(即寻找最优参数)困难的问题，模型参数和超参数过多、解空间过大，难以通过枚举等直接法进行求解。

发明内容

发明目的：本发明提出一种基于响应曲面的交通流量预测模型参数标定方法，可以实现交通流预测模型参数的快速标定，得到最优的标定结果。

技术方案：本发明所述的一种基于响应曲面的交通流量预测模型参数标定方法，包括如下的步骤：

S1、确定交通流量预测模型参数的解空间；交通流量预测模型f(β₁,β₂,…,β_n)有n个参数β₁,β₂,…,β_n，各参数的取值范围即为各参数的解空间，分别表示为Z₁,Z₂,…,Z_n；

S2、计算初始化参数组合下的模型误差；

S21、在步骤S1确定的参数的解空间Z₁,Z₂,…,Z_n中，采用拉丁超立方抽样法随机抽取n个参数的m组取值，构成参数库U，表示为{β₁¹,β₂¹,…,β_n¹},{β₁²,β₂²,…,β_n²},…,{β₁^m,β₂^m,…,β_n^m}；其中，m0.5n2+1.5n+1；

S22、计算m组参数取值下的交通流量预测模型f(β₁,β₂,…,β_n)的m组预测结果X₁,X₂,…,X_m；

S23、计算m组预测结果与对应真实结果的误差，误差计算公式如下：

ε_i＝|Y_i-X_i|,i∈{1,2,...,m}

其中，X_i为第i组预测结果，Y_i为第i组预测结果对应的真实结果。