[发明专利]一种基于贝叶斯优化的短时交通流预测方法及系统

权利要求书

1.一种基于贝叶斯优化的短时交通流预测方法，其特征在于，包括：

采集固定道路位置的固定时间间隔内通过的原始交通流量数据，根据季节模型算法对原始交通流量数据进行预处理，生成时序交通流数据；

构建基于支持向量回归机的短时交通流预测模型，根据时序交通流数据对短时交通流预测模型进行训练；

计算短时交通流预测模型的平均绝对百分误差，根据平均绝对百分误差获取短时交通流预测模型的预测精度；

获取预测精度对应的模型参数，根据贝叶斯优化算法对预测精度对应的模型参数进行优化，根据优化后的模型参数对短时交通流预测模型进行调整，直至生成目标短时交通流预测模型；

根据目标短时交通流预测模型对短时交通流量进行预测。

2.根据权利要求1所述的基于贝叶斯优化的短时交通流预测方法，其特征在于，所述根据季节模型算法对原始交通流量数据进行预处理，生成时序交通流数据，还包括：

对时序交通流数据的格式进行构造，所述构造格式如下：

{(X,y)|X＝[v_i-1,v_i-1-v_i-2,v_i-week,v_i-week-v_i-week-1,v_i-day,v_i-day-v_i-day-1]^T,y＝v_i} (1)

其中v_i表示第i时间段内交通流量，i-1表示第i-1时间段，i-day表示第i时间段对应一天前的时间段，i-week表示第i时间段对应一周前的时间段，依此类推，X为短时交通流预测模型的输入特征向量，y＝v_i为短时交通流预测模型的回归目标。

3.根据权利要求2所述的基于贝叶斯优化的短时交通流预测方法，其特征在于，所述构建基于支持向量回归机的短时交通流预测模型，根据时序交通流数据对短时交通流预测模型进行训练，包括：

获取时序交通流数据对应的训练数据集，其中训练数据集记为D，D＝{(X₁,y₁),(X₂,y₂),...,(X_n,y_n)},y_i∈R,X_i表示样本的特征向量，y_i表示相应的交通流预测目标值；

构造支持向量回归机的短时交通流预测模型，通过核函数将输入数据映射到高维特征空间，构造一个从输入空间到输出空间的非线性映射，短时交通流预测模型记为f(x)，f(x)计算方式如公式(2)所示：

其中表示将输入数据转换到高维特征空间的核函数；

核函数采用径向基(RBF)核函数，径向基(RBF)核函数如公式(3)所示：

其中σ是内核参数；

支持向量回归机的泛化目标用下面的公式(4)来表示：

s.t f(x)_i-y_i≤ε+ξ_i (5)

其中，ξ_i表示下松弛变量，表示上松弛变量，对应的是不敏感范围y-f(x)≤ε,第一项1/2‖ω‖²为正则化项，第二项为经验误差项，C为惩罚参数，ε为非敏感性损失参数。

4.根据权利要求3所述的基于贝叶斯优化的短时交通流预测方法，其特征在于，所述计算短时交通流预测模型的平均绝对百分误差，根据平均绝对百分误差获取短时交通流预测模型的预测精度，包括：

计算短时交通流预测模型的平均绝对百分误差MAPE，平均绝对百分误差MAPE的计算公式为

其中，f_i交通流的观测值，f_i′是交通流的预测值，n是样本总数；

根据平均绝对百分误差获取短时交通流预测模型的预测精度，预测精度记为m，m的具体计算公式为

m＝1–MAPE (9)。