[发明专利]一种结合周相似特性的分形交通流预测方法

摘要

一种结合周相似特性的分形交通流预测方法，包括以下步骤：1)以周为周期的不同工作日的交通流数据，将交通流数据进行分组，组成设定时间段下的同一路口不同方向上的交通流序列；2)提取当前时刻前设定时间到当前时刻的交通流量序列{Ni}，初始化n＝1，进行n阶累计计算得到{Si}，{Sn_i}(i＝1，…，n)＝N(A，ε)_i，得到的值即为N(A，ε)_i+1；3)根据一周前该时间段的交通流量序列、两周前该时间段的交通流量序列、三周前该时间段的交通流量序列、…、m周前该时间段的交通流量序列，分别进行步骤2)的计算，得到各自的预测数据，并进行误差修正，得到预测的结果数据。本发明提供一种实时性好、预测精度高的结合周相似特性的分形交通流预测方法。

主权项

1、一种结合周相似特性的分形交通流预测方法，其特征在于：所述预测方法包括以下步骤：1)、以周为周期的不同工作日的交通流数据，将交通流数据进行分组，组成设定时间段下的同一路口不同方向上的交通流序列，表示为：{Ni}＝{N1，N2，N3，...Nn}{N1i}＝{N11，N12，N13，...，N1n}(i＝1，...，n){N2i}＝{N21，N22，N23，...，N2n}(i＝1，...，n){N3i}＝{N31，N32，N33，...，N3n}(i＝1，..，n)...{Nmi}＝{Nm1，Nm2，Nm3，...，Nmn}(i＝1，...，n)其中{Ni}、{N1i}、{N2i}、{N3i}...{Nmi}分别代表当前时刻前设定时间到当前时刻的交通流量序列、一周前该时间段的交通流量序列、两周前该时间段的交通流量序列、三周前该时间段的交通流量序列...m周前该时间段的交通流量序列，n、m均为自然数，其中m≥3；2)、提取当前时刻前设定时间到当前时刻的交通流量序列{Ni}，初始化n＝1，进行n阶累计计算得到{Si}，{Sni}(i＝1，...n)＝N(A，ε)i，根据下式(2)计算：$D\approx \frac{\ln N(A,ϵ)-\ln C}{\ln (1/ϵ)}---\left(2\right)设定分形维数的下限d，若经过多阶累计后计算得出的分形维数的D＞d，则停止进行累计，并且以所得到的D求取常数C的值，然后将得到的D和C代入公式(3)求得\{Sn\}n+1，N(A，\epsilon )＝C/f(1/\epsilon )D\; (3)根据累计的阶数n对所得到的\{Sn\}n+1进行n次往回迭代，得到的值即为N(A，\epsilon )i+1；3)、根据一周前该时间段的交通流量序列、两周前该时间段的交通流量序列、三周前该时间段的交通流量序列...m周前该时间段的交通流量序列，分别进行步骤(2)的计算，得到各自的预测数据，依照公式(10)计算得到误差修正后的预测流程：Q(t+1)＝Q(t+1)+K1[Q1(t+1)-Q1\prime (t+1)]+K2[Q2(t+1)-Q2\prime (t+1)]\; (10)+K3[Q3(t+1)-Q3\prime (t+1)]+...+KiQ1(t+1)-Q1\prime (t+1)上式(10)中，Q(t+1)为待定的时刻t+1预测流量；Q\prime (t+1)为根据公式(3)计算得出的预测流量，Q(t+1)＝N(A，\epsilon )i+1；Qi(t+1)为i周前t+1时刻检测器实际检测到的交通流量值；Qi\prime (t+1)为i周前t+1时刻根据公式(3)计算得出的预测流量。$