[发明专利]一种基于动态时空相关特征优化的短时交通流预测方法

权利要求书

1.一种基于动态时空相关特征优化的短时交通流预测方法，其特征在于，包括：

获取ETC门架数据和预测位置；

根据所述ETC门架数据，构建路网拓扑结构；

根据所述路网拓扑结构，筛选出所述预测位置对应的局部路网位置集，其中，所述局部路网位置集包括与所述预测位置相邻的多种上游位置、多种下游位置；

量化所述预测位置、多种所述上游位置和多种所述下游位置的交通流动态时空相关性；

根据所述预测位置和所述交通流动态时空相关性，提取对应的动态时空相关特征；

根据所述动态时空相关特征，构造原始训练张量，并利用主成分分析法对所述原始训练张量进行优化，确定输入特征向量；

将所述输入特征向量输入至训练完备的交通流预测模型，输出对应的交通流预测值，用于确定所述预测位置的下一时间段的交通流；

其中，通过以下公式，确定所述动态时空相关特征：

f_v＝TL_vUΔL_vUSLU_vUΔLU_vUSLD_vUΔLD_v

其中：

上式中，f_v表示所述动态时空相关特征，TL_v表示第V个预测位置在当前时刻之前连续τ个时段以动态时间相关系数为权重的交通流向量，L_v＝[l_v,1,l_v,2,...,l_v,τ]，表示所述第V个预测位置连续τ个时段的交通流序列，l_v，τ表示所述第V个预测位置第τ个时段的交通流序列，TP_v＝[ρ_v,1,ρ_v,2,…,ρ_v,τ]^T，表示第V个预测位置当前时刻和之前连续τ个时段之间的所述时间相关系数，ρ_v，τ表示所述第V个预测位置当前时间段的交通流与之前第τ个时段的交通流的皮尔逊相关系数；

其中：

上式中，ΔL_v是第V个预测位置在当前时刻之前连续τ个时段中相邻时段交通流的变化率向量，i_v，i表示所述第V个预测位置第i个时段的交通流序列；

其中：

LU_v,m＝[l_v,m,1,l_v,m,2,...,l_v,m,τ]

上式中，LU_v，m表示第V个预测位置的第m个上游位置连续τ个时段的交通流序列，l_v，m，τ表示第V个预测位置的第m个上游位置第τ个时段的交通流序列，SLU_v表示第V个预测位置的第m个上游位置在当前时刻之前连续τ个时段以动态空间相关系数为权重的交通流向量，SP_v，m表示第V个预测位置和第m个上游位置形成的所述动态空间相关系数张量，lu_v，m，i表示第V个预测位置的第m个上游位置在第i个时段的交通流序列，ρ_v，m，i表示第V个预测位置和第m个上游位置在第i个时段的皮尔逊相关系数；

其中：

上式中，ΔLU_v表示第V个预测位置的第m个上游位置在相邻时段交通流的变化率向量；

其中：

LD_v,n＝[l_v,n,1,l_v,n,2,...,l_v,n,τ]

上式中，LD_v，n表示第V个预测位置的第n个下游位置连续τ个时段的交通流序列，l_v，n，τ表示第V个预测位置的第n个下游位置第τ个时段的交通流序列，SLD_v表示第V个预测位置的第n个下游位置在当前时刻之前连续τ个时段以动态空间相关系数为权重的交通流向量，SP_n，v表示第V个预测位置和第n个下游位置形成的所述动态空间相关系数张量，ld_v，n，i表示第V个预测位置的第n个下游位置在第i个时段的交通流序列，ρ_n，v，i表示第V个预测位置和第n个下游位置在第i个时段的皮尔逊相关系数；

其中：

上式中，ΔLD_v表示第V个预测位置的第n个下游位置在相邻时段交通流的变化率向量；

其中，所述根据所述动态时空相关特征，构造原始训练张量，并利用主成分分析法对所述原始训练张量进行优化，确定输入特征向量包括：

根据所述动态时空相关特征，构造所述原始训练张量；

将所述原始训练张量拆分成第一训练数据和第二训练数据；

分别对所述第一训练数据和所述第二训练数据进行PCA处理，确定对应的第一变换矩阵和第二变换矩阵；

根据所述第一训练数据、所述第二训练数据、所述第一变换矩阵和所述第二变换矩阵，确定所述输入特征向量。