[发明专利]一种城市区域路网运行状态特征信息提取方法

权利要求书

1.一种城市区域路网运行状态特征信息提取方法，具体包括以下几个步骤：

步骤一、采集路网数据

具体步骤如下：

(1)建立各个检测器数据与汇聚表格属性之间的映射，将线圈检测器数据和微波检测器 数据转换为统一格式的检测数据表格，其中第一列为采集时间，第二列及以后依次为路段ID、 流量、速度、交通量、路段长度；

(2)对转换后数据按照时间序列进行排序，进行数据的预处理，通过独立判断和联合判 断的方法实现错误数据的识别；

(3)对预处理后的数据按照统一的起止时间，以5分钟为时间周期，对周期内的数据 进行逐行扫描，依次对5分钟周期内所有数据求平均值，并以得到的均值代表该5分钟周期 内的数据值，依次求平均值并存储，更新检测数据表格；

(4)流量和速度数据通过检测器采集得到，通过计算单位路段长度上的交通量，得到交 通密度数据，并代替检测数据表格中的交通量和路段长度两列数据，更新检测数据表格；

步骤二、构建路网数据输入矩阵

具体包括：

(1)构建路网数据输入矩阵：输入矩阵的各行依次按照数据采集时间排序，设路网中共 有N条路段，输入矩阵的各列数据排序为：路段1到路段N上各个路段的流量数据、路段1 到路段N上各个路段的速度数据、路段1到N上各个路段的密度数据，每列代表一个维度，每 行是一个综合了各个列维度信息的高维样本点，输入矩阵表达式为：

其中：F为流量，S为速度，D代表密度，矩阵中的行下标代表采集时间间隔序号(从1 到m)，列下标代表路段ID号(从1到N)，x_i为输入矩阵X的行向量，i＝1,2,…,m，共m个 采集时间间隔，即共有m个样本点，N为路段条数，该输入矩阵的维数为m*3N；

(2)输入矩阵规范化处理:输入矩阵中交通流量、速度、密度三个参数的单位以及数量 级各不相同，为保证最近邻分类过程中的距离度量的有效性，将数据按比例缩放，使之落入 (0.0～1.0)；

步骤三、自适应邻域选择

具体包括：

(1)建立样本点的初始邻域矩阵：取输入矩阵的行向量为样本点，按采集时间排序；每 个样本点包含采集时间，路段ID、流量、速度、密度信息；计算输入矩阵各样本点间的欧式 距离，组成距离矩阵并按升序排序，设k为所有样本点的初始近邻数，选择距离矩阵中前k个 最近距离的样本点，组成初始邻域矩阵，记初始邻域矩阵为i＝ 1,2,…,m，其中x_ik代表第i个样本点的第k个近邻点；

(2)基于压缩策略的自适应邻域选择：将初始邻域矩阵转换为正定矩阵，令正定矩阵 I为(k+1)*(k+1)维单位矩阵，所述e为(k+1)行的全1列 向量，计算协方差矩阵特征值λ_i；

(3)求邻域内交通数据流形的线性程度：若则邻域内样本点呈现线性关系， 邻域属于均匀流形，则输出样本点x_i对应的近邻数k_i，其中，η为线性程度阈值，0.5<η≤1， i＝1,2,…,m；否则，此邻域内样本点组成为非均匀流形，令近邻数k_i＝k-1，返回步骤(1) 循环，直至得到符合条件的近邻数k_i；

(4)计算输入矩阵中每个样本点对应的近邻数：顺序选取输入矩阵中的各个样本点x_i， 重复上述步骤(1)至(3)步，计算其对应的近邻数k_i，得到近邻数矩阵；

步骤四、提取特征信息

具体步骤包括：

(1)获取输入矩阵X、低维特征信息的特征信息维数d、样本点初始近邻数k、邻域矩阵 线性程度阈值η；

(2)建立样本点近邻域：根据步骤三获取的近邻数矩阵，依次选取样本点对应的近邻数， 建立样本点的k近邻域Xik=(xi,xi1,xi2,...,xik)T;]]>

(3)近邻域分类：根据交通数据本身携带的路段ID、采集时刻信息、交通参量属性类 别标签，设l(x_i)为样本x_i的所属的类别，对每个数据点x_i，初始近邻域对应的初始近邻集 合分为同类近邻样本点集合N_w(x_i)和不同类近邻样本点集合N_b(x_i) 两个集合；其中Nw(xi)={xij|l(xij)=l(xi),1≤j≤k},Nb(xi)={xij|l(xij)≠l(xi),1≤j≤k},]]>N_w(x_i)∪N_b(x_i)＝N(x_i)；

分别计算其权重矩阵W_w，ij和W_b，ij：

(4)建立目标函数：

建立目标函数

minΣij(yi-yj)2Ww,ij(1.3)maxΣij(yi-yj)2Wb,ij(1.4)]]>

其中：y＝(y₁，y₂，…，y_m)^T为将高维交通数据在邻域内映射到低维的特征信息点，设 a是一个投影向量，则有y^T＝a^TX；将目标函数推导并转化为求解公式X(βL_b+(1- β)W_w)X^Ta＝λXD_wX^Ta的广义特征值，得到最优投影向量a；其中，L_b是拉普拉斯矩阵，D_w是 对角矩阵，λ是向量a的特征值，W_w为类内图权重矩阵；β是平衡参数，0≤β≤1；

(5)求映射函数：设降到低维后的d个最大特征值λ₁>…>λ_d对应的特征向量组成的 最佳投影矩阵为A＝[a₁,a₂,…,a_d]，最优投影矩阵为A＝[a₁,a₂,…,a_d]，则映射关系为 y_i＝A^Tx_i,i＝1,2,…,m；

(6)求路网状态特征信息：顺序选取输入矩阵的样本点x_i，计算每个样本点的最优投影， 得到的每个y_i值中包含了第i个采集时间间隔内路段1到路段N所有路段上的交通流量、速度、 密度三个参量的综合特征信息；则特征提取后获得的特征信息为R^d为d维空间。