[发明专利]数值和趋势k近邻的客运枢纽区域驻留人数组合预测方法

摘要

本发明公开了一种基于数值和趋势k近邻的客运枢纽区域驻留人数组合预测方法，该方法如下：实时获取区域驻留情况数据；根据待预测天的日期特性确定样本空间；根据欧氏距离选择数值相似的k邻近样本，计算得到基于数值相似性的区域驻留人数预测结果曲线；根据增量比标准差选择趋势相似的k邻近样本，计算得到基于趋势相似性的区域驻留人数预测结果曲线；根据时变权重系数，计算得到待预测天区域驻留人数组合预测曲线。本发明综合数值预测与趋势预测的特点，可以保证较长时段的区域驻留人数预测精度，为客运枢纽的资源分配、车辆调度、预警通知、客流控制和安全保障提供可靠依据，能够协助客运枢纽进行实时有效管理，提高服务质量。本发明适用于智能交通领域。

主权项

1.一种基于数值和趋势k近邻的客运枢纽区域驻留人数组合预测方法，其特征在于：该方法步骤如下：S1：通过检测系统实时获取区域驻留情况数据；S2：根据待预测日的日期特性确定样本空间；S3：为预测某天一段时间的区域驻留人数X＝(x₁,x₂,…,x_l)，选取这段时间之前的n个已知连续驻留人数数据Y＝(y₁,y₂,…,y_n)作为特征向量；再选取与待预测日的日期特性相同的m个样本，样本i对应特征向量Y同时间段的n个数据时间点的驻留人数为Q_i＝(q₁,q₂,…,q_n)_i，计算Q_i与Y的欧氏距离选取欧氏距离最小的k个样本作为数值相似的k近邻样本，获取数值相似的k近邻样本对应待预测数据X同时间段的数据向量P_t^*＝(p₁,p₂,…,p_l)_(t)，并计算其算术平均作为基于数值相似性的区域驻留人数预测结果曲线；其中：i＝1,2,…,m；j＝1,2,…,n；t＝1,2,…,k；x_r表示待预测日待预测时段内时间点r的区域驻留人数，r＝1,2,…,l；y_j表示待预测日待预测时段之前的n个时间点中，时间点j的区域驻留人数，j＝1,2,…,n；(q_j)_i表示样本i对应特征向量Y时间点j的驻留人数，i＝1,2,…,m，j＝1,2,…,n；(p_r)_(t)表示k近邻样本t与待预测数据X中x_r的时间点对应的驻留人数，r＝1,2,…,l，t＝1,2,…,k；a_r表示k个k近邻样本与待预测数据X中x_r的时间点对应的驻留人数的算术平均值，r＝1,2,…,l；S4：根据步骤S3，计算特征向量Y＝(y₁,y₂,…,y_n)中相邻数据的差值向量以表示驻留人数的变化趋势，同时计算Q_i中相邻数据的差值向量将与在向量方向上的差别量化为标准差以表征样本i与待预测日在特征空间数据变化趋势上的相近程度；选取标准差最小的k个样本作为趋势相似的k近邻样本；其中：i＝1,2,…,m；表示待预测日与历史样本i特征空间内数据增量比的均值，规定为增量比系数，反映待预测日的特征空间数据变化量与样本i的特征空间数据变化量的比例关系；根据所选趋势相似的k邻近样本，其相应的增量比系数为所选趋势相似的k邻近样本与待预测数据X＝(x₁,x₂,…,x_l)同时间段的数据向量P_t^*＝(p₁,p₂,…,p_l)_(t)的相邻数据差值向量为X的基于趋势相似性预测结果B＝(b₁,b₂,…,b_l)的相邻数据差值向量为由于待预测时间段的前一个时间点区域驻留人数值已知为y_n，根据相邻数据差值关系得B＝(b₁,b₂,…,b_l)为基于趋势相似性的区域驻留人数预测结果曲线；其中：t＝1,2,…,kS5：结合基于数值相似性预测结果曲线A＝(a₁,a₂,…,a_l)和基于趋势相似性预测结果曲线B＝(b₁,b₂,…,b_l)，引入时变权重系数λ_r＝f(r)，设其中r＝1,2,…,l，并使x_r＝λ_r·b_r+(1‑λ_r)·a_r；当r＝1时，λ₁＝1，x₁＝b₁，预测值完全由趋势相似性预测结果决定；当r＝l时，λ_l＝0，x_l＝a_l，预测值完全由数值相似性预测结果决定；当1＜r＜l时，0＜λ_r＜1，x_r＝λ_r·b_r+(1‑λ_r)·a_r，预测值由数值和趋势相似性预测结果综合决定。