[发明专利]一种采用多源同构数据的行程时间动态融合预测方法

摘要

本发明公开了一种采用多源同构数据的行程时间实时融合预测方法，包括在获得多源同构等时间间隔的连续行程时间数据序列的基础上，构建多源行程时间D-S证据推理模型识别框架；利用能够获得预测均值和动态方差的时间序列模型分别计算各类单一行程时间数据源的实时预测均值和动态方差；以动态方差预测结果作为输入数据，通过计算获得D-S证据推理模型的基本概率分配函数和基本信任分配函数，通过证据合成规则计算多源行程时间数据的动态融合权重；由单一数据源的预测均值与动态融合权重的加权和计算得到行程时间的融合结果。本发明降低了由单一数据源描述或预测道路行程时间的不确定性，进一步提高行程时间预测的准确性和可靠性，可操作性强。

主权项

1.一种采用多源同构数据的行程时间实时融合预测方法，其特征在于，所述方法包括如下步骤：（1）获取S₁,S₁,...S_i,...,S_n为某路段或路径行程时间的n个数据源，对原始数据进行时间规整，形成等时间间隔的时间序列数据集，并建立D-S证据推理模型的识别框架Θ={S₁,S₂,...S_i,...,S_n}，i=1,2,...,n；（2）对每个数据源S_i的行程时间的时间序列{TT_it}，采用一定数量的历史数据建立单一数据源的行程时间均值及动态方差预测模型；（3）对数据源S_i采用与t时间间隔相邻的一定时段的历史数据及预测模型进行行程时间预测，获得该数据源在时间间隔t内的行程时间均值μ_it和动态方差σit2;]]>（4）以步骤（3）获得的行程时间动态方差作为输入数据，并在假设行程时间数据序列波动的随机过程服从正太分布N的基础上，通过识别框架幂集合的各个元素计算D-S证据推理模型的基本概率分配函数p_i(*)，并以此为基础，进一步计算基本信任分配函数m_i(*)；（5）依据D-S证据推理模型的合成规则，计算D-S证据推理模型的合成信任分配m(*)；（6）根据D-S证据推理模型的合成信任分配计算获得各类行程时间数据源在时间间隔t内的融合权重w_it；（7）根据步骤（3）获得的行程时间预测均值μ_it和步骤（6）获得的融合权重w_it计算时间间隔t内的行程时间预测融合值，表达式为TTft=Σi=1nwitμit]]>式中，TT_ft即为多源同构行程时间数据在时间间隔t内的预测融合结果。