[发明专利]基于集成LSSVR模型的路网中短时交通流的预测方法

权利要求书

1.一种基于集成LSSVR模型的路网中短时交通流的预测方法，其特征在于，包括如下步骤：

1)采集路网中所有监测器的交通流数据，其中，路网包含多个站点，站点集合为S₁，每一个站点包括多个监测器；

2)通过监测器的交通流数据在站点集合S₁中筛选站点，组成集合S₂，并计算S₂的交通流数据；

3)构建路网短时交通流量值矩阵D₂；

4)构造LSSVR模型的训练集和验证集；

5)构造单个LSSVR模型；

6)构建集成LSSVR模型；

7)利用智能优化算法对集成LSSVR模型参数进行优化；

8)将待预测的数据集，按步骤2)到步骤4)处理成符合集成LSSVR的模型的输入形式，输入到模型中进行预测；

所述步骤6)中，构建集成LSSVR模型方法如下：

6.1)定义一个计数器t₅，令t₅＝1；

6.2)依照步骤4)和步骤5)，构造之后时间为t的非线性LSSVR模型，及其对应的训练集和测试集，其预测输出记为

6.3)如果t₅＝P，则t₅＝t₅+1并转至步骤6.4)，否则转至步骤6.2)；

6.4)构建线性LSSVR模型的输入D″_T，构建方法如下：

D″_T＝[f₁(x) ... f_P(x)]

6.5)依照步骤5)构建线性LSSVR模型，其训练集和测试集的输入矩阵按照步骤6.4)构造，输入矩阵与非线性LSSVR模型相同，其输出即为集成LSSVR模型的预测。

2.如权利要求1所述的基于集成LSSVR模型的路网中短时交通流的预测方法，其特征在于所述步骤2)包括如下步骤：

2.1)统计各监测器数据的缺失率，删除缺失率大于1％的监测器所对应的站点，剩下的所有站点组成集合S₂；

2.2)利用相邻数据平均法对S₂中每个站点的每个监测器的缺失值进行补全；

2.3)对集合S₂中的所有站点，将同一站点内的不同监测器同一时段上的交通流数据相加，得到S₂的交通流数据，站点S₂的交通流数据为N阶数列。

3.如权利要求1所述的基于集成LSSVR模型的路网中短时交通流的预测方法，其特征在于所述步骤3)中，路网短时交通流量值矩阵的构建方法如下：

3.1)将S₂中每个站点的交通流数据作为一个向量，将所有站点所对应的向量叠加得到M*N阶的样本数据矩阵D₁，其中M为S₂中的站点个数，N为每个站点采集的交通流数据的个数；

3.2)归一化处理样本数据矩阵D₁，得到路网短时交通流量值矩阵D₂，记为D₂的计算公式如下：

式中D₂为路网短时交通流量值矩阵，x_max为D₁中所有元素的最大值。