[发明专利]一种基于张量填充的城市交通流预测方法

说明书

本发明涉及一种基于张量填充的城市交通流预测方法，包括以下步骤：步骤S1：收集预测点所邻近的交通流状态数据；步骤S2：根据收集交通数据做初始填充；步骤S3：设计交通数据张量；步骤S4：根据设计的交通流数据张量基于张量分解动态填充进行动态填充预测。本发明提出的一种基于张量填充的城市交通流预测方法，克服了现有技术中在交通流数据源存在缺失下预测精度不佳的缺陷；构建交通流张量模型同时采用划分张量窗口动态填充的方式，提高了在交通流预测数据源存在缺失下的预测精度。

技术领域

本发明涉及一种基于张量填充的城市交通流预测方法。

背景技术

随着经济的快速发展，交通拥堵问题已成为出行者考虑的首要因素之一，交通拥堵带来的出行时间和成本上的浪费也间接带来了不同程度经济上的损失和城市运行效率的下降，如何缓解交通拥堵带来的道路压力，规划日常出行是一个需要解决的问题，城市交通流的准确预测能够为出行者节省出行时间的花费，降低道路拥堵率，提高城市运作效率等，具有很大的商业价值。

国内外业已提出的交通流预测方法主要有时间序列法、卡尔曼滤波、混沌理论、神经网络和支持向量机(SVM)等。交通流数据具有时间相关性和空间相关性的特点，交通流的预测通过传感器设备收集到的数据进行分析并做未来的交通预测，传感器设备包括移动设备和固定设备，常见的移动设备有手机，平板电脑等，常见的固定设备有地感线圈等，交通状态的预测依赖传感器收集的大量的历史数据，而历史数据考虑实际使用时部分采集设备的突发故障往往是残缺不全的，之前的预测方法没有克服用残缺历史数据预测交通流准确度低的缺陷。

发明内容

本发明的目的在于提供一种基于张量填充的城市交通流预测方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于张量填充的城市交通流预测方法，还包括如下步骤：

步骤S1：获取预测点所邻近的交通流状态数据；

步骤S2：根据所述交通流状态数据进行初始填充操作；

步骤S3：建立交通流数据张量；

步骤S4：根据所述交通流数据张量，并采用基于张量分解动态填充，进行动态填充预测。

在本发明一实施例中，在所述步骤S1，获取所述预测点t前m天相同时刻邻近k个位置的交通流数据以及所述预测点t当天已观测到的邻近k个位置的交通流数据。

在本发明一实施例中，在所述步骤S2中，通过如下方式进行所述初始填充操作：

其中，x为不同时刻的交通流状态数据，known为已知的数据集，unknown为未知的数据集。

在本发明一实施例中，在所述步骤S3中，根据所述步骤S2处理后的交通流数据，将时刻、位置、天作为三阶张量的三个维度，在时刻维度上按照时刻的先后顺序，位置维度上按照车辆经过的先后顺序，天维度上按照周一到周天的顺序，建立所述交通流张量。

在本发明一实施例中，在所述步骤S4中，还包括如下步骤：

步骤S41：记时刻轴上的窗口尺寸大小为w；将所述交通流张量在时刻轴方向上进行窗口划分，初始化滑动次数为0；然后向时刻增大的方向滑动一个单位，滑动次数加1；持续向后滑动，直到滑动次数达到len，len为一预设数量阈值，并得到一张量序列；

步骤S42：将所述张量序列里的每一个张量秩大小记为r，并设置外循环次数为τ；

步骤S43：对于所述张量序列中的第一个张量，通过采用RTPM算法进行初始化操作，得到r对(u,σ)参数对，u为秩1张量因子，σ为系数因子；