[发明专利]基于SA-PSO的短时交通流预测方法

权利要求书

1.一种基于SA-PSO的短时交通流预测方法，其特征在于，包括如下过程：

步骤1：获取车联网的短时交通流数据，建立非等间距GM(1,1)模型的原始数据序列X⁽⁰⁾＝(x⁽⁰⁾(k₁),x⁽⁰⁾(k₂),…,x⁽⁰⁾(k_n))；

步骤2：对所述原始数据序列X⁽⁰⁾作1-AGO处理，得到1-AGO序列X⁽¹⁾，其中，为数据序号，Δk_j＝k_j-k_j-1,Δk₁＝1；

步骤3：根据所述1-AGO序列X⁽¹⁾，生成背景值Z⁽¹⁾、计算矩阵B和Y，获得所述非等间距GM(1,1)模型的表达式为x⁽⁰⁾(k_i)Δk_i+az⁽¹⁾(k_i)＝b，通过最小二乘参数估计获得参数序列为其中，a为发展系数，b为灰作用量，

步骤4：通过模拟退火算法和粒子群优化算法，确定背景值和初始条件的最优自适应参数p^*与δ^*；

步骤5：利用步骤4所得的最优自适应参数p^*重构背景值，建立所述非等间距GM(1,1)模型，利用步骤4所得的最优自适应参数δ^*重构初始条件，求解所述非等间距GM(1,1)模型的白化微分方程的时间响应函数，即为所述1-AGO序列X⁽¹⁾的模拟预测序列通过累减还原获得所述原始数据序列X⁽⁰⁾的模拟预测序列即为短时模拟交通流数据；

其中，步骤3中生成背景值Z⁽¹⁾包括：

其中，q为计算参数，p为自适应参数，p为一个整数值，p≥1，为1-AGO序列X⁽¹⁾的拟合函数，M＝x⁽⁰⁾(k₁)-N；

其中，步骤4中的初始条件为：

其中，δ为自适应参数，θ^*为时间参数的最优值，其计算方法为：G为计算参数，

所述步骤4进一步包括：

设定误差阈值，以相对误差平方和指标小于所述误差阈值时的p和δ为最优自适应参数p^*与δ^*；

所述相对误差平方和指标为

所述原始数据序列X⁽⁰⁾的模拟预测序列为：

2.根据权利要求1所述的基于SA-PSO的短时交通流预测方法，其特征在于，所述1-AGO序列X⁽¹⁾的模拟预测序列为：