[发明专利]一种高速公路收费站入口车辆数的预测方法

权利要求书

1.一种高速公路收费站入口车辆数的预测方法，其特征在于，包括：

步骤1：获取高速公路上收费站的ETC数据并进行去噪处理；

其中，所述ETC数据包括车辆驶入收费站的时间以及所驶入的收费站的位置、车辆驶出收费站的时间以及所驶出的收费站的位置；

步骤2：将步骤1中的ETC数据按照时间窗的预设时长进行分组并统计出每个收费站在每天的每个时间窗内的出、入车辆数；

步骤3：根据步骤2统计的车辆数构建目标收费站在目标时间窗的样本集M；

其中，任意一天中所有收费站在目标时间窗前K个时间窗的驶入车辆数、驶出车辆数和所述任意一天的目标数据的集合为样本集的一个样本，K≥2；

目标数据为目标收费站在目标时间窗的驶入车辆数；

所述样本集M包括n个样本，n为样本训练时段的天数；

其中，M＝{(X₁,y₁),(X₂,y₂),…,(X_n,y_n)},X_n∈R^d,y_n∈R

(X_n,y_n)表示样本集M中第n天对应的样本，X_n表示第n天的所有收费站在目标时间窗的前K个时间窗的驶入车辆数、驶出车辆数的集合；y_n表示第n天的目标数据，R表示为实数集，R^d表示为d维特征的实数集；

步骤4：采用递归消除算法从所述样本集中的d个特征中选择出对所述目标收费站在目标时间窗内通行能力影响最大的N个特征；

其中，N为正整数，1<N<d；

在样本训练时段内任意一个收费站在目标时间窗的前K个时间窗中的任意一个时间窗的驶入车辆数或者驶出车辆数的集合为所述样本集的一个特征；

步骤5：根据步骤4中选择出的N个特征构建训练集m，并将所述训练集m中的数据输入支持向量回归机来建立目标收费站在目标时间窗的回归模型；

其中，所选出的N个特征中任意一天的所有驶入车辆数、驶出车辆数以及所述任意一天的目标数据的集合为一个训练集的样本；

所述训练集m由样本训练时段内的n个训练集的样本组成；

其中，m＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)},x_n∈R^N,y_n∈R

(x_n,y_n)表示训练集m中第n天对应的训练集的样本，x_n表示步骤4所选出的N个特征中第n天的驶入车辆数、驶出车辆数的集合；y_n表示第n天的目标数据，R^N表示为N维特征的实数集；

步骤6：将所述目标收费站的目标时间窗在预测当日中与步骤4中的N个特征相同的特征的数据输入相匹配的回归模型，得到预测当日中所述目标收费站在目标时间窗内驶入车辆数的预测值。

2.根据权利要求1所述的方法，其特征在于，步骤4具体执行如下步骤：

步骤4.1：设定一个为空集的特征排序集F以及根据步骤3的所述样本集设定一个原特征集合S＝{1,2,…,τ,…d}；

其中，1≤τ≤d；

τ表示所述样本集中第τ个的特征；

步骤4.2：判断原特征集合S是否为空集，若是空集，则输出特征排序集F并执行步骤4.6，若不是空集，则进行步骤4.3；

步骤4.3：提取步骤4.2中原特征集合S中的所有的特征以及所述样本集中所有目标数据，并采用线性回归模型进行拟合来计算出每个特征对应的权重；

步骤4.4：将权重最小的特征P从原特征集合S中去除，并取特征排序集F＝{P}∪F，并重复步骤4.2；

其中，去除越早的特征P在特征排序集中排序越靠后；

步骤4.6：选取输出的特征排序集中前面的N个特征。