[发明专利]基于偏最小二乘法的交通事件持续时间预测方法

摘要

本发明公开了一种基于偏最小二乘法的交通事件持续时间预测方法。首先利用偏小二乘法提取交通事件参数，建立偏小二乘回归模型；然后将所提取的交通事件参数带入所述模型获得交通事件持续时间。此外，随着交通事件的处理，定时更新模型参数，以做出实时持续时间预测。本发明克服了现在技术存在的需要大量数据、分布函数很难选择、缺少影响因素分析、预测模型是黑箱结构等缺陷，其预测精度优于现有的多种方法。本发明可用于对高速公路和城市道路交通事件持续时间的预测。

主权项

1.一种基于偏最小二乘法的交通事件持续时间预测方法，其特征在于，包括如下步骤：步骤一，获取交通事件特征参数；步骤二，建立偏最小二乘回归模型，设已知因变量y和k个自变量x₁，x₂，...，x_k，样本数为n，构成数据表X=[x₁,x₂,...,x_k]_n*k和y＝[y]_n*1，(1)对X和y进行标准化处理，得到标准化后的自变量矩阵E₀和F₀，xij*=xij-xj‾sj,]]>yj*=yi-y‾sy,i=1,2,...,k;j=1,2,...,k---(1)]]>令h=1，E0=(xij*)n*k,F0=(yj*)n*1,i=1,2,...,n]]>式中，是X_j的均值，s_j是X_j的标准差，是y的均值，s_y是y的标准差；(2)计算向量权重w_h，w_h＝E_h-1′F_h-1          (2)(3)提取成分t_h，t_h＝E_h-1w_h              (3)(4)计算X和y的回归系数p_h,q_hp_h＝E_h-1′t_h/(t_h′t_h)   (4)q_h＝F_h-1′t_h/(t_h′t_h)   (5)(5)计算残差矩阵E_h＝E_h-1-t_hp_h′         (6)F_h＝F_h-1-q_h′t_h(6)检查收敛性，可用交叉有效性确定；如果上述方程满足精度要求，转下一步；否则，h=h+1，重复步骤(2)-(5)，对残差矩阵进行新一轮的成分提取和回归分析；(7)设得到k个成分t₁,t₂,...,t_k，实施F₀在t₁,t₂,...,t_k上的回归，得F₀＝q₁t₁+q₂t₂+...+q_kt_k    (7)由于t₁,t₂,...,t_k均是E₀的线性组合，因此，F0=q1E0w1+q2E1w2+...+qkEk-1wk=q1E0w1*+...+qkE0wk*---(8)]]>式中，wh-*=Πj=1h-1(I-wjpj′)wh,]]>I为单位矩阵；(8)按照标准化的逆过程还原成y对X的回归方程，y=y‾+sy(Σi=1kαixi*)=y‾+sy(Σi=1kαixi-x‾isi)]]>(9)]]>αi=Σh=1mqhwhi*]]>其中，X为交通事件相关参数信息，y表示交通事件持续时间；步骤三，将所述交通事件参数代入所述偏最小二乘回归模型；步骤四，输出预测交通事件持续时间y。