[发明专利]一种智能斑马线护栏

摘要

本发明一种智能斑马线护栏，包括斑马线护栏和与斑马线护栏相连的预测装置，所述预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关系数矩阵生成模块、预测因子选取模块和预测模型构造模块。本发明预测精度较高且构造的预测模型更有针对性。

主权项

1.一种智能斑马线护栏，包括斑马线护栏和与斑马线护栏相连的预测装置，所述斑马线护栏包括：由横栏和竖栏组成的斑马线护栏本体和安装在斑马线护栏本体的风速时程快速模拟装置，其特征是，所述快速模拟装置包括：(1)结构参数监测模块，其包括风速仪、温度传感器和数据采集装置，沿所述竖栏的高度方向将斑马线护栏划分多个间隔相同的测试层，在所述横栏中部位置安装所述数据采集装置，选择测试层的正中位置处作为一个风速时程的模拟点，且在每个测试层的正中位置处布设所述风速仪和温度传感器；(2)平均风速计算模块，其利用风速仪监测出每测试层的风速总量，横向角和竖向风速，取0.2s为采样时间间隔，进行平均风速的计算时，引入平均风速校正系数Q；(3)各模拟点的脉动风速时程计算模块，包括生成所述各模拟点的脉动风速时程的脉动风速功率谱；(4)风速时程计算模块，包括微处理器，所述微处理器利用谐波叠加法对相同位置处的平均风速和脉动风速时程进行叠加，得到各模拟点的风速时程；(5)风速模拟显示模块，包括依次连接的隔离放大器和数字显示屏，所述隔离放大器的输入端与所述微处理器连接；所述预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关系数矩阵生成模块、预测因子选取模块和预测模型构造模块：(1)采集模块，用于采集路网S内观测路段Si、预测路段Sj对应各时间段的交通流量数据和通行情况；(2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交通实际情况的数据；(3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；(4)平稳性检验模块，用于对处于同一类型的观测路段Si的交通流量序列Xi与预测路段Sj的交通流量序列Xj分别进行平稳性检验，检验平稳性的自相关函数为：其中，Xx表示待检验交通流量序列，νi表示待检验交通流量序列的均值，Xx+τ表示Xx在时间延迟τ后的交通流量序列，νx+τ为Xx+τ的均值，σ2为Xx与Xx+τ之间的方差；当自相关函数P(τ)能快速衰减趋近于0或在0附近波动，则所述待检验交通流量序列通过平稳性检验；当自相关函数P(τ)不能快速衰减趋近于0或在0附近波动，则对所述待检验交通流量序列进行平稳处理后继续进行平稳性检验；(5)相关系数计算模块，用于计算通过平稳性检验的观测路段S_i的交通流量序列X_i与预测路段S_j的交通流量序列X_j在时间延迟τ下的时间相关系数ρ_ij(τ)和空间相关系数ρ_ij(w)，设路网S内有N个路段，交通流量序列X_i＝[x_i(1),x_i(2),...,x_i(n)]，交通流量序列x_i(t)表示观测路段S_i在t时刻的流量，x_j(t)表示预测路段S_j在t时刻的流量，t＝1,2,...n，时间相关系数ρ_ij(τ)的计算公式为：空间相关系数ρij(w)的计算公式为：(6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值T1和历史相关系数阈值T2；(7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数ρij(τ)和空间相关系数ρij(w)构建各观测路段Si与预测路段Sj在不同时间延迟τ下的时空相关系数矩阵ρ(τ)'，并计算各路段的时空相关系数ρij(τ)'，其中i∈[1,N]且τ∈[0,L]，L的取值范围为[8,12]，时空相关系数矩阵ρ(τ)'的计算公式为：时空相关系数ρij(τ)'的计算公式为：ρij(τ)'＝ρij(τ)ρij(w)；(8)历史相关系数矩阵生成模块，用于生成预测路段Sj的历史相关系数矩阵ρ(t)：其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X_j的历史相关序列，记为m＝1,2,...M，M的取值范围为[3,5]，所述历史相关系数ρ_jm(t)的计算公式为：(9)预测因子选取模块，用于根据所述时空相关系数阈值T1和历史相关系数阈值T2选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟τ进行矩阵重构，选取原则为：若ρij(τ)'>T1，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新的序列并作为第一预测因子，记做X',X'＝(x1',x2',...,xp')，其中p为所述满足条件的交通流量个数，设L1为第一预测因子中时间延迟的最大值，L1＝max{τ|τ∈[0,L]andρij(τ)'>T1}，则第一预测因子X'可表述成如下矩阵形式：若ρjm(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作Y'，Y'＝{y1',y2',...,yq'}，其中q为满足条件的历史流量个数，第二预测因子Y'可表述成如下矩阵形式：(10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来构造可预测路段在下一时刻的交通流量的预测模型。