[发明专利]一种基于历史和周边路口数据的拥堵预测算法

说明书

一种基于历史和周边路口数据的拥堵预测算法，包括下列步骤：步骤1.对交通数据进行实时的更新和预处理；步骤2.输入预测的目标路口和时间区间；步骤3.讲当前区域车流量数据与历史数据进行匹配，找出相似的时间区间进而进行预测。本发明根据“交通流量预测”的问题，利用非参数回归的算法思想，结合历史数据和周边路口数据进行交通流量的预测，有效的实现了交通数据流量的预测。本发明最终实现的功能是能够根据用户对交通拥堵预测情况的需求，预测目标路口在需求时间的拥堵情况，并且可以高效准确的实现交通流量的预测。

技术领域

本发明提出了一种基于历史数据和周边路口数据的拥堵预测算法。

技术背景

随着科技的发展，人民生活水平的提高，越来越多的人拥有私家车，交通拥堵问题成为人们不得不去面对的问题。如何缓解交通拥堵成为我们亟待解决的问题。大城市中已有的解决方法有通过摇号限制私家车数目的增加，限制外地车进入城市以及限制单双号车驶入等等手段。但仅仅依靠这些还是很难解决拥堵，在上下班高峰期更是如此。而若我们能够及时准确地预测交通流量，就可以通过调控红绿灯周期、告知广大用户未来交通状况等手段有效的减缓交通拥堵。可见对于“如何实时预测道路交通流量”这一问题的解决，具有非常重大的实际意义。

交通流量的实时预测是根据历史上各个路口单位时间内通过的车辆数，借助一些预测方法来进行预测的。目前，国内外已有的实时预测方法主要分为两种，一种是依据单个路口的历史数据来进行预测，另外一种是依据需要预测的路口以及周围多个路口的历史数据来进行预测。第一种方法有利用ARIMA、神经网络、卡尔曼滤波等模型进行预测。第二种方法是最近几年国际上研究比较多的方法，主要是利用空间时间序列进行预测。除了以上两种，目前还有依据深度学习,混沌理论来预测。第一种预测方法较为简单但在预测时间稍长的情况下，预测准确度不高；第二种方法相比第一种方法准确度提高，但方法中涉及到需要求的参数过多，运算复杂，计算机需要执行的时间较长。

发明内容

本发明要克服现有技术的上述缺点，提出一种基于历史数据和周边路口数据的拥堵预测算法。

本发明采用一种高效、实时性强、预测准确且计算量较小的模型。通过分析路口每天车流量的变化，发现路口每天的车流量的趋势是非常相像，每天都有相同早晚高峰。因此可以通过与历史数据进行一个一个匹配比较。但如果仅仅用一个路口的车流量去匹配可能会造成一些误差，在这基础上，提出了一种基于周边路口车流量的交通流量方法，通过比较当前的一段时间内的目标路口及其周围附近路口的车流量变化与历史上相同路口的车流量变化，选择相似性最高的前几个历史时间段，最后利用历史数据进行一个预测若仅仅采用单路口匹配预测并不能做到一个良好的匹配，因为要预测的那个目标路口的车流量状况要受到周围车流量状况的影响。

在预测模型上，本发明并没有采用常规的预测模型。国际上曾有学者分析过车流变化的不确定因素太多太多，其规律也很难掌握。在用了常规的ARIMA模型预测发现，模型只能在预测较短时间的车流量，当预测时间延长时，其准确率大大降低。因此若采用常规的预测模型并不能预测准确，即使在较短时间内的预测准确，时间稍微延长一些其准确率肯定会降低很多。而本发明的模型在预测时间上较长，可以预测未来两个小时的车流量，并且准确率高。目前，国际上用的较为多的时间空间序列模型，其涉及到的求解的参数很多，每做一次预测就要对大量参数进行估计，并且估计难度大，计算机需要较长时间去估计预测。而本发明的模型不涉及到任何参数的求解估计，在计算匹配度上也仅仅采用了加减乘除运算等基本运算，并未涉及到其他运算，并且在匹配的过程中也能非常迅速找到匹配时间段。因此预测模型的计算复杂度极小，模型做一次预测的时间也很短，能够做到实时性预测。综上所述，本发明的模型的优点主要如下三点：(1)计算复杂度小，做预测的时间短，做一次预测仅需1秒多的时间，预测能够达到实时性；(2)预测准确度高，预测未来2个小时内的车流量准确度基本可以达到90％。

本发明所述的基于历史数据和周边路口的拥堵预测算法，包括下列步骤：

步骤1.计算单路口与历史数据的相似性；