[发明专利]一种基于贝叶斯加权的路口动态转向比例组合估计方法

摘要

本发明公开了一种基于贝叶斯加权的路口动态转向比例组合估计方法，该方法利用路口各进出口道检测到的路段流量，设计了改进的卡尔曼滤波、改进的反向传播神经网络和遗传算法三种子算法分别求解路口动态转向比例，并在此基础上结合历史数据，综合考虑对历史和当前估计偏差的修正，利用贝叶斯公式标定并动态更新权重，将三种子算法所得结果加权，得到组合方法估计的动态转向比例。针对不同的交通流状况，现有方法估计的动态转向比例在精度和效率方面各具优缺点，本方法能够从总体上体现各种方法的优点，避免局部过大偏差的出现，具有适应性强、精度高、稳定性好、整体最优的特点，可以为信号控制等实时交通管理和信息服务系统提供基础数据支撑。

主权项

一种基于贝叶斯加权的路口动态转向比例组合估计方法，其特征在于，本组合估计方法包括三个子算法，分别为基于改进卡尔曼滤波的估计算法的第1子算法、基于改进反向传播神经网络的估计算法的第2子算法、和基于遗传算法的估计算法的第3子算法，通过路段流量检测器得到路口各进出口道交通流量，输入三个子算法进行动态转向比例估计，并引入历史数据，综合利用历史偏差和当前偏差标定并动态更新贝叶斯权重，将三个子算法的结果加权，得到最终的高精度路口动态转向比例，其主要步骤如下：步骤1：在路口进出口道运行路段流量检测器，检测得到时间间隔k内的进出口道交通流量，即Q_i(k)，i＝1，2，…，r表示时段k自进口道i流入路口的流量，Y_j(k)，j＝1，2，…，s表示时段k自出口道j流出路口的流量；步骤2：定义路口的动态转向比例B_ij(k)为状态变量，以检测得到的路口进出口道流量为已知量，在远端计算机中运行改进的顺序卡尔曼滤波算法、改进的BP神经网络算法和遗传算法程序，求解三种子算法各自计算得到的动态转向比例估计值；步骤3：引入历史数据，以三种子算法动态转向比例的历史估计值与历史真实值的偏差作为历史偏差，同时以当天前5个时段三种子算法的估计值与贝叶斯加权修正值的平均偏差作为当前偏差；步骤4：在远端计算机中运行贝叶斯加权程序，综合应用历史偏差和当前偏差标定三种子算法的权重，将三种子算法的估计结果加权，得到当前时段的贝叶斯加权修正值；步骤5：将当前时段三种子算法估计结果与步骤4得到的当前时段的贝叶斯加权修正值的偏差作为当前时段偏差存入当前偏差数据库，返回步骤1进行下一时段动态转向比例的估计，直至全天各时段动态转向比例估计结束，更新历史偏差数据，并进行下一天各时段动态转向比例的计算。