[发明专利]一种短时交通流量预测方法及装置

说明书

本发明适用于交通领域，提供了一种短时交通流量预测方法及装置，所述交通流量预测方法包括：获取宏观交通流模型；确定状态向量、状态方程、观测向量和观测方程；构建用于交通流量预测的数据同化系统框架；将不同观测时段类型的观测数据进行分类采样；融合历史观测数据，基于调整的集合卡尔曼滤波的数据同化方法，补齐当前时刻路段缺失的观测值；基于所述数据同化方法，对所述宏观交通流模型的模型参数进行修正调整；利用调整模型参数后的所述宏观交通流模型，对未来时刻的交通流量进行预测；本发明能够对未来时刻的交通流量进行预测，同时实现了在线调整，易于推广。

技术领域

本发明属于交通领域，重点涉及一种短时交通流量预测方法及装置。

背景技术

随着交通事业的发展，交通拥挤和交通事故等诸多交通问题越来越显著， 只能交通控制与诱导系统已经成为ITS研究的热门核心课题，而实现交通流诱 导系统的关键问题是准确的短时交通流量预测，即如何有效地利用实时交通数 据信息去滚动预测未来几分钟内的交通状况，为出行者提供实时有效的选择路 径信息，缩减出行时间，减少交通拥挤。短时预测是微观意义上的，与中观和 宏观意义上的以小时、天、月甚至是年计算的基于交通规划的战略预测是有本 质区别的。

随着短时预测中时间跨度的缩短，交通流量显示出来的非线性，时变性， 不确定性越来越强，传统的预测模型的精度与效果不甚理想。如历史平均模型 虽然操作简单，速度快，但精度较差，静态的预测有其先天性的不足；基于神 经网络的预测模型的训练过程过于复杂，并且其训练过程只能通过调整神经元 的权值进行数据处理，这种不足导致这类网络存在着局部极小、收敛速度慢、 推广能力差以及难以实现在线调整等问题。

发明内容

本发明实施例的目的在于提供一种短时交通流量预测方法，旨在对未来时 刻的交通流量值进行预测。

本发明实施例是这样实现的，一种短时交通流量预测方法，包括：

获取宏观交通流模型；

确定状态向量、状态方程、观测向量和观测方程；

构建用于交通流量预测的数据同化系统框架；

将不同观测时段类型的观测数据进行分类采样；

融合历史观测数据，基于调整的集合卡尔曼滤波的数据同化方法，补齐当 前时刻路段缺失的观测值；

基于所述数据同化方法，对所述宏观交通流模型的模型参数进行修正调整；

利用调整模型参数后的所述宏观交通流模型，对未来时刻的交通流量进行 预测；

本发明实施例的另一目的在于提供一套短时交通流量预测装置，包括：

获取模块，用于获取宏观交通流模型；

构建模块，用于确定状态向量，状态方程，观测向量，观测方程，构建用 于交通流量预测的数据同化系统框架；

分类模块，用于将不同观测时段类型的观测数据进行分类采样；

估计模块，用于基于调整的集合卡尔曼滤波的数据同化方法，补齐当前时 刻路段缺失的观测值，以及对所述宏观交通流模型的模型参数进行修正调整；

预测模块，用于利用调整模型参数后的所述宏观交通流模型，对未来时刻 的交通流量进行预测；

在本发明实施例中，利用基于调整的集合卡尔曼滤波的数据同化方法对交 通流量进行预测，有益效果在于，提高了交通状态的预测精度，同时实现了在 线调整，易于推广。

附图说明

图1是本发明实施例提供的短时交通流量预测方法的实现流程图；