[发明专利]一种以径向基网络为核心的曲面拟合算法

说明书

本发明公开了一种以径向基网络为核心的曲面拟合算法，包括以下步骤：设计用于拟合的径向基网络的模型；根据模型学习算法，求解当前时间‑距离空间上的速度分布曲面；计算路段时空平均速度。将研究对象限定到路段上，充分利用了车流速度在路段上的时空分布规律，通过建模的方法，利用离散采样点逼近真实的速度分布，使之更适应城市路网交通状态计算，并利用实验加以分析论证，针对了现有的针对现有交通状态计算方法，在短时交通问题突发时计算不准确泛化能力不强的缺点，对算法进行改进，使其具有更强的鲁棒性。

技术领域

本发明涉及城市路网交通状态计算技术领域，具体为一种以径向基网络为核心的曲面拟合算法。

背景技术

近年来，随着中国城市化进程的加快，大中城市机动车数量直线上升，拥堵已成为城市发展所必须面临的难题。据统计，全国大约有三分之二的城市，其主干道在早晚高峰会呈现不同程度的拥堵现象。就目前看来，智能交通系统(Intelligent Traffic System，ITS)是解决道路拥堵问题的最常用工具。其将数据的采集、传输、分析等技术集成于一身，充分挖掘已有的交通信息，为缓解交通拥堵、规划出行路线、车辆调度等问题提供了有力的保障。目前ITS的数据采集技术覆盖范围受到限制，使得到的交通数据不尽完善。近几年，随着浮动车(具有车载GPS设备的公交汽车和出租车等)的推行和智能手机的普及，GPS技术在ITS中得到了广泛使用。

目前，已经国内外已经有大量的文献对浮动车技术做出了丰富的研究工作。然而，大部分研究的数据基础是高频GPS数据。但实际中，由于硬件条件和投资成本等问题，利用浮动车来进行低频采样更为普遍，这里面以出租车系统为主要代表，因而如何将这些数据进行有效地信息挖掘是一个值得研究的问题。目前，对道路平均速度的求解是计算道路交通状态的主要手段。短时(5min-15min)道路交通状态计算可以为使用者提供实时的道路检测结果，提升用户体验，一般计算时间不超过15分钟。但计算周期越短，交通状态就具有更强的随机性，这就使得短时道路交通状态计算相比于以往的浮动车技术在道路匹配技术和道路交通状态计算方法上提出了更高的挑战。

发明内容

为了克服现有技术方案的不足，本发明提供一种以径向基网络为核心的曲面拟合算法，能有效的解决背景技术提出的问题。

本发明解决其技术问题所采用的技术方案是：

一种以径向基网络为核心的曲面拟合算法，其特征在于，包括以下步骤：

步骤S1，设计用于拟合的径向基网络的模型，设计具有n-m-s结构的网络模型，即网络模型具有n个输入，m个隐层节点，s个输出，将时间、距离组成的二维向量作为输入矢量，根据时间段内出租车GPS的个数求出对应的速度标量，最后根据径向基网络分布的函数拟合曲面；

步骤S2，根据模型学习算法，求解当前时间-距离空间上的速度分布曲面，主要包括有中心点的确定、径向基网络宽度的确定和权值修正算法三个方面；

步骤S3，计算路段时空平均速度，主要根据时间和空间两个维度结合计算。

进一步地，在步骤S1中，径向基网络分布的函数为：

其中，φ(·)为径向基函数，||x-c_j||为欧式距离，c_j(c_j∈R^R)为径向基网络的中心，为径向基网络半径。

进一步地，在步骤S2中，求解当前时间-距离空间上的速度分布曲面主要包括三个方面：

(1)中心点的确定，径向基网络中心选取是成功用于实际的关键，常用确定径向基函数中心的选取算法有：随机算法选取径向基网络中心、聚类学习选取径向基网络中心与固定径向基网络中心点，中心点根据路段长度、计算时间间隔自适应的计算径向基网络中心点，使径向基网络中心点均匀分布在时空平面上；