[发明专利]城市道路断面交通量组合预测方法

权利要求书

1.城市道路断面交通量组合预测方法，该方法使用长期、中期和短期的实测数据，综合相应方法开展预测，其特征在于，其具体方法为：

1)根据实际需要，确定预测时间间隔inter，inter取60分钟或者30分钟或者15分钟，整理和分析城市道路某断面交通流的长期实测数据，计算每个时间间隔的交通量v(i,j)，其中i表示第i天，j表示第j个时间间隔；

步骤一中根据预测时间间隔inter记录和分析城市道路断面交通流的长期实测数据，具体步骤为：

(1)将实测城市道路断面交通量数据按照观测日期的特征划分为以下三种类型数据源：工作日、节假日和周末；根据预测日期的类型，选择与之相对应的数据源；

(2)根据预测时间间隔inter，整理实测交通量数据，计算每一天、每个时间间隔的交通量数据；设第i天、第j个时间间隔包含的实测数据为v(i，j，1)，v(i，j，2)，…，v(i，j，k)，则该时间间隔实测交通量为v(i，j)＝v(i，j，1)+v(i，j，2)+…+v(i，j，k)；

(3)每一天所包含的预测时间间隔数为计算第i天的日交通量v(i)＝v(i，1)+v(i，2)+…+v(i，l)；

2)根据实测交通量v(i,j)，其中第i天，第j个时间间隔，计算第i天日交通量v(i)以及各个时间间隔的实测交通量波动指数ind(i，j)，并计算实测交通量波动指数的均值ind(i)；步骤二中根据实测数据计算城市道路断面交通量波动指数及其均值，具体步骤为：

(1)设共有n天的实测数据，根据第i天日交通量v(i)和第i天、第j个时间间隔的实测数据v(i，j)，计算第i天、第j个时间间隔的交通量波动指数

(2)计算第j个时间间隔的交通量波动指数均值

(3)对交通量波动指数均值进行标准化处理

3)根据近期的实测日交通量v(i)(i＝1，2，…，q)，运用灰色预测模型GM(1，1)预测第q+1天的日交通量

步骤三中根据前q天的实测日交通量v(i)(i＝1，2，…，q)，运用灰色预测方法预测第q+1天的日交通量具体步骤为：

(1)令V＝(v(1)，v(2)，…，v(q)),对该数据进行一次累加生成，得到V¹＝(v¹(1)，v¹(2)，…，v¹(q))；其中，v¹(i)＝v¹(1)+v¹(2)+…+v¹(i)，i＝1，2，…，q；

(2)计算V1的紧邻均值生成序列Z¹＝(z¹(2)，z¹(3)，…，z¹(q))；其中，

(3)构造矩阵计算预测模型参数

(4)计算第q+1天的日交通量灰色模型预测值其中，e≈2.71828,是自然常数；

4)根据第q+1天的前p个时间间隔的实测数据以及第q+1天的日交通量灰色模型预测值运用时间序列预测方法预测第q+1天的日交通量步骤四中根据第q+1天的前p个时间间隔的实测数据以及第q+1天的日交通量灰色模型预测值，运用时间序列预测方法预测第q+1天的日交通量，具体步骤为：

(1)根据第q+1天的第j(j＝1，2，…，p)个时间间隔的实测数据v(q+1，j)和第j个时间间隔的交通量波动指数均值ind(j)，计算第q+1天的日交通量预测值

(2)设w(0w1)为时间序列预测指数平滑法的平滑系数，根据前期每个时间间隔的交通量波动指数均值ind(j)(j＝1，2，…，p)，计算预测值和的权重：w_p＝w×ind(p)，w_p-1＝(1-w_p)×w×ind(p-1)，w_p-2＝(1-w_p)×(1-w_p-1)×w×ind(p-2)，…，w₁＝(1-w_p)×(1-w_p-1)×(1-w_p-2)×…×(1-w₂)×w×ind(1)，w_g＝(1-w_p)×(1-w_p-1)×(1-w_p-2)×…×(1-w₁)；

(3)综合上述计算的预测值灰色预测方法预测值以及其对应的权重w_j(j＝1，2，…，p)和w_g，运用时间序列预测的指数平滑法，计算第q+1天的日交通量综合预测值

5)根据第p+1个时间间隔的实测交通量波动指数均值ind(p+1)和第q+1天的日交通量综合预测值计算第q+1天的第p+1个时间间隔的预测交通量