[发明专利]一种数据驱动的城市交通流速模式识别与实时预测预警方法

权利要求书

1.一种数据驱动的城市交通流速模式识别与实时预测预警方法，其特征在于，包括以下步骤：

第一步，数据预处理：将城市路段的交通流速历史数据作为初始数据集，所述初始数据集包括若干不同路段ID、不同时间的样本数据；对所述初始数据集进行预处理，得到已预处理数据集，所述预处理包括缺失值处理、异常值处理与标准化处理；

第二步，流速模式分析：按照改进版的K-mans聚类算法，对第一步中所述已预处理数据集进行聚类分析，得到不同路段ID和不同日期特征下的交通流速模式数据集和交通流速模式图；所述日期特征是指该日所属一周内的星期几，所述交通流速模式数据集包括不同类别的一天24小时下的路段交通流速数据，所述交通流速模式图是所述交通流速模式数据集的折线图表示；

第三步，历史模式匹配：使用第二步中所述交通流速模式数据集和交通流速模式图，结合不同路段ID与当前日期特征，匹配符合当日的交通流速模式数据集和交通流速模式图，即形成其交通流速历史模式；

第四步，实时流速预测：使用第一步中已预处理数据集作为预测模型的训练集，得到预测模型中的最优模型参数，导入城市路段的交通流速实时数据，基于训练好的预测模型实现对交通流速的实时预测，得到实时预测结果；

第五步，实时流速预警：对于同一路段ID，使用第四步中实时预测结果与第三步中的交通流速历史模式进行比较，如果二者的下半偏差——前者数据减去后者数据为负值时的偏差，大于设定阈值时进行路段的交通流速预警，即结合交通流速历史模式与实时预测结果进行实时预警，以便及时采取路段交通缓堵措施。

2.根据权利要求1所述的一种数据驱动的城市交通流速模式识别与实时预测预警方法，其特征在：所述第一步中，

预处理中的缺失值处理的实现为，针对连续缺失数据为两个及以下的缺失数据，取值为前一个最近的值；针对连续缺失数据为两个以上的缺失数据，若为周六日，则填补为周六日的该路段ID该时间下的均值，若为工作日，则填补为工作日该路段ID该时间下的均值；

预处理中的异常值处理的实现为，采用二倍标准差分解法，首先筛选缺失值处理后的数据集中每个路段ID的每个时间点下的样本数据中与该样本数据的均值之差大于两倍该样本数据的标准差的异常值，调整为该样本数据的均值与两倍该样本数据的标准差之和；然后筛选缺失值处理后的数据集中每个路段ID的每个时间点下的样本数据中与该样本数据的均值之差小于两倍该样本数据的标准差的异常值，调整为该样本数据的均值与两倍该样本数据的标准差之差，其中所述缺失值处理后的数据集中第j个路段ID的第i个时间点下的样本数据经过异常值处理后的数值y_(i,j)表示为：

式中，y_ij表示所述缺失值处理后的数据集中第j个路段ID的第i个时间点下的原始数据；μ_i表示所述缺失值处理后的数据集中第i个时间点下的样本数据的均值；表示所述缺失值处理后的数据集中第i个时间点下的样本数据的标准差；

预处理中的标准化处理的实现为，令v_t表示为t时刻的交通流速，其中L表示数据字段中的路段长度；T表示数据字段中的路段通行时间；t表示数据字段中的数据记录时间。