[发明专利]一种有效停车泊位的预测方法

说明书

一种有效停车泊位的预测方法，包括：步骤一，根据采集到的停车场的历史信息得到有效停车位的时间序列，并检验序列的完整性，记为第一待预测时间序列；步骤二，将时间序列在高维空间进行重构，实现随机成分与确定成分的分离；步骤三，把得出的低维空间流形坐标映射回原时间序列相空间重构得到的高维嵌入空间中；步骤四，训练集训练LSTM神经网络得到第一LSTM神经网络；训练集训练LSTM神经网络得到第二LSTM神经网络；将第一待预测时间序列训练值输入第一LSTM得到第一预测结果，将第二待预测时间序列训练值输入第二LSTM得到第二预测结果；步骤五，加权组合第一预测结果和第二预测结果，并与原序列的进行相似度检验，从而确定最终结果。

技术领域：

本发明涉及一种室内停车场车位预测方法。

背景技术：

随着人民生活水平日益提高，城市机动车保有量逐年增加，而停车位的数量却往往不能满足需求，停车难日益成为一个严峻的问题。近年来，大数据技术在智能交通领域的应用越来越多，很多研究通过对停车场历史数据进行分析，进而对停车场的车位信息做出较为准确的预测。以此为用户提供准确的出行信息，帮助用户做好出行规划，同时减少用户寻找停车位浪费的时间，在一定程度上缓解了城市交通压力。

在已有的停车场车位预测的研究中，主流思路是按照时间序列的分析进行研究，研究侧重于预测模型的构建使用，但其中对于去除时间序列随机性成分的研究不多。停车场车位时间序列是由随机过程成分和确定过程成分组成，随机过程成分具有随机性，无法直接预测，确定过程成分具有很强的规律性，预测效果较好。随机信号产生于随机系统，不具有可预测性，其存在虽然在短期预测时影响不大，但是在多步预测时会很大影响预测精度。

发明内容：

本发明要克服现有技术的上述缺点，提供一种室内停车场空余泊位数量预测方法，既保证剔除序列的随机分量，又保证在短期预测的预测精度。

一种有效停车泊位的预测方法，用于预测中小型的停车场的有效停车泊位的数量,包括以下步骤：

步骤一，根据采集到的停车场的历史信息得到有效停车位的时间序列，并检验序列的完整性，记为第一待预测时间序列，即a＝{a_i|i＝1,2,…,n}，其中a_i表示第i个时间段的停车场空余泊位数量，n，i为自然数，n为待预测时间序列数量；

步骤二，将步骤一得到的时间序列在高维空间进行重构，选取嵌入维度为λ，令a_i＝f(a_i-λ,a_i-(λ-1),…,a_i-1),i＝1,2,…,n，利用局部切空间排列方法从重构的高维嵌入空间中提取系统的主流形分布的低维空间，分离序列的随机成分与确定成分的；

步骤三，把得出的低维空间流形坐标映射回原时间序列相空间重构得到的高维嵌入空间中，再映射回一维时间序列即得到原序列中确定成分的时间序列，记为第二待预测时间序列，S_i＝{S_i|i＝1,2,…,n}，其中S_i表示原序列确定成分的时间序列中第i个时间段分空余泊位数量；

步骤四，将步骤一中的第一待预测时间序列70％划分为第一训练集，30％划分为第一测试集。将步骤三中的第二待预测时间序列70％划分为第二训练集，30％划分为第二测试集。第一训练集用来训练LSTM神经网络得到第一LSTM神经网络模型优化参数；使用第二训练集训练LSTM神经网络得到第二LSTM神经网络模型优化参数；将第一测试集输入到第一LSTM神经网络模型优化参数设置的LSTM神经网络中得到第一预测结果Q，Q＝{Q_t|t＝1,2,…,m}，其中Q_t为第t步预测结果，t和m为自然数，m为预测结果总数；将第二测试集输入到第二LSTM神经网络模型优化参数设置的LSTM神经网络中得到第二预测结果G，G＝{G_t|t＝1,2,…,m}，其中G_t为第t步预测结果，t和m为自然数，m为预测结果总数。