[发明专利]基于小波神经网络的交通流数据预测方法和装置

说明书

本发明为数据处理技术领域，本发明提供一种基于小波神经网络的交通流数据预测方法和装置，所述方法包括根据确定的目标路段，将与所述目标路段直接连接的路段设为评估路段，并根据所述评估路段获取其交通流数据；采用粒子群算法，以每个所述评估路段的交通流数据为评估参数，计算每个评估路段的适应度值，对所述适应度值经过更新迭代和比较，得到所有评估路段的最优适应度值；利用所述所有评估路段的最优适应度值计算得到连接权值，并根据所述连接权值得到所述小波神经网络构建的预测模型；将各个所述评估路段的交通流数据的测试样本输入所述预测模型，得到所述目标路段的交通流的预测数据。该方法有利于对所述目标路段的交通流数据的预测能力。

技术领域

本发明涉及数据处理技术领域，具体而言，本发明涉及一种基于小波神经网络的交通流数据预测方法和装置。

背景技术

随着城市交通网络的发展，交通流量更容易受多方面的因素影响，随机性的特点也越来越突出。目前，针对这个问题，运用了智能交通系统，对应近期同一时间段的历史交通流数据的进行收录，并根据该收录的内容，对目前的交通流量进行预测。该方法虽然能对实时的交通流数据起到一定的预测作用，但是一般只适用于短时间的交通流数据的预测，不适合对长期的交通数据进行预测。

发明内容

为克服以上技术问题，特别是现有技术中只能从近期的同一时间段获取历史交通流数据不能很好解决对长期的交通流数据的预测效果的问题，特提出以下技术方案：

第一方面，本发明提供一种基于小波神经网络的交通流数据预测方法，其包括如下步骤：

根据确定的目标路段，将与所述目标路段直接连接的路段设为评估路段，并根据所述评估路段获取所述目标路段的交通流数据；

采用粒子群算法，以每个所述评估路段的交通流数据为评估参数，根据迭代更新的次数，计算每个评估路段的适应度值，并对得到的所述适应度值进行比较，得到所有评估路段的最优适应度值；

利用所述所有评估路段的最优适应度值计算得到连接权值，并根据所述连接权值得到所述小波神经网络构建的预测模型；

将各个所述评估路段的交通流数据的测试样本输入所述预测模型，得到所述目标路段的交通流的预测数据。

在其中一个实施例中，所述根据迭代更新的次数，计算每个评估路段的适应度值，并对得到的所述适应度值进行比较，得到所有评估路段的最优适应度值的步骤包括：

获取每个评估路段在设定时间段的不同子时间段的部分历史交通流数据作为训练样本，并根据最大的迭代次数，对每个评估路段的所述训练样本进行更新，得到每个评估路段的更新后的适应度值；

更新后的适应度值分别与所述全局最优适应度值与局部适应度值比较，得到所述所有评估路段的最优适应度值。

在其中一个实施例中，根据每个评估路段的历史交通流数据进行繁忙等级划分，根据繁忙等级对所述评估路段分为不同的评估路段集；

所述更新后的适应度值分别与全局最优适应度值与局部适应度值比较，得到所述所有评估路段的最优适应度值的步骤包括：

根据更新后的每个评估路段集中的每个评估路段的适应度值进行比较，以每个评估路段集的最小适应度值作为对应评估路段集的局部最优适应度值；

根据更新后的所有评估路段的适应度值进行比较，以所有评估路段的最小适应度值作为全局最优适应度值；

将所述评估路段的适应度值与所述局部最优适应度值进行比较，得到第一较小值；

根据所述第一较小值与所述全局最优适应度值进行比较，得到第二较小值，并以所述第二较小值作为最优适应度值。