[发明专利]一种基于组合逻辑的短时交通流预测方法

权利要求书

1.一种基于组合逻辑的短时交通流预测方法，其特征在于，包括：

采集交通流量数据得到第一数据集，所述交通流量数据包括车辆视频流信息、不同路段路况信息和当天天气状况；其中，所述不同路段路况信息至少包括交通信号灯数目；

对所述第一数据集进行预处理得到第二数据集；

所述对所述第一数据集进行预处理得到第二数据集，包括：

对所述第一数据集中的交通流量缺省值采用插补方式处理得到处理后的交通流量数据；

对所述第一数据集中的当天天气状况缺省值采取删除记录的方式处理得到处理后的天气状况数据；

对所述第一数据集中的异常值采取直接删除的方式处理得到处理后的数据；

对处理后的交通流量数据、处理后的天气状况数据、处理后的数据进行归一化处理，得到所述第二数据集；

利用所述第二数据集分别对随机森林回归预测模型和BP神经网络预测模型进行训练，得到随机森林回归预测模型的预测结果和BP神经网络预测模型的预测结果；

利用所述第二数据集分别对随机森林回归预测模型和BP神经网络预测模型进行训练，得到随机森林回归预测模型的预测结果和BP神经网络预测模型的预测结果，包括：

利用所述第二数据集的训练集数据对所述随机森林回归预测模型进行训练形成随机森林回归预测模型的预测结果；

利用所述第二数据集的训练集数据对所述BP神经网络预测模型进行训练形成BP神经网络预测模型的预测结果；

将所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成最终模型；

所述将所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成最终模型，包括：

将所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成第一预测结果；

对所述第一预测结果进行误差分析后形成第二预测结果；

将所述第二预测结果和所述第二数据集的训练集输入线性回归模型形成最终模型；

将所述第二数据集输入所述最终模型得到最终预测结果；

对所述最终预测结果进行误差分析，包括：

采用平均绝对百分比误差和均方根误差叠加的方式对所述最终预测结果进行误差分析；

将所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成第一预测结果，包括：

利用线性回归模型对所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成第一预测结果；

对所述第一预测结果进行误差分析后形成第二预测结果，包括：

采用迭代法将所述第一预测结果和所述第二数据集的验证集采用均方根误差进行模型评价后形成所述第二预测结果。

2.根据权利要求1所述的方法，其特征在于，将所述第二预测结果和所述第二数据集的训练集输入线性回归模型形成最终模型，包括：

将所述第二预测结果作为输入，将所述第二数据集的训练集作为输出，输入到线性回归模型形成最终模型。

3.根据权利要求1所述的方法，其特征在于，将所述第二数据集输入所述最终模型得到最终预测结果，包括：

将所述第二数据集的测试集输入所述最终模型后得到所述最终预测结果。