[发明专利]一种Spark环境下基于多重相空间的短时交通流预测方法

摘要

本发明公开了一种Spark环境下基于多重相空间的短时交通流预测方法，包括以下步骤：步骤(1)：获取某个路段的实时车辆信息，并发送至数据库HBase中；步骤(2)：根据数据库HBase中存储的历史车辆信息，获取历史交通流数据并存储在数据库中；步骤(3)：在Spark环境下，构建多重相空间模型，结合历史交通流数据，运用该模型对下一个时段的交通流数据进行预测。采用本发明的技术方案，通过多对延迟时间和嵌入维度构建多重相空间以及大数据框架Spark技术，更加科学准确的实时预测下一时刻的交通流。

主权项

1.一种Spark环境下基于多重相空间的短时交通流预测方法，其特征在于，包括以下步骤：步骤(1)：获取某个路段的实时车辆信息，并发送至数据库HBase中；步骤(2)：根据数据库HBase中存储的历史车辆信息，获取历史交通流数据并存储在数据库中；步骤(3)：在Spark环境下，构建多重相空间模型，结合历史交通流数据，运用该模型对下一个时段的交通流数据进行预测；其中，所述步骤(3)进一步包括以下步骤：步骤(31)：对于某路段R，确定延迟时间集合Sτ，嵌入维度集合Sm，以及对应的权重分配步骤(32)：根据嵌入维度mi确定预测交通流时间序列X，再根据延迟时间τi得到前置时间序列交通流向量Xf；步骤(33)：取路段R中的历史交通流数据，依次构成时间序列交通流向量X1,X2…Xn,计算与Xf的相似度并升序排列d1,d2…dn；步骤(34)：从历史交通流数据中找到与“前置时间序列”最相近的z个“相关时间序列”，即获取前z个距离d₁,d₂…d_z，对应的向量为X₁,X₂…X_z，对应权重分配s＝1，d_m＝min{d₁,d₂…d_z}；步骤(35)：由时间序列交通流向量及权重分配结合延迟时间权重集合Q_τ，根据公式加权计算得到部分交通流；步骤(36)：重复步骤(32)至步骤(35)，取每一对{τ，m}为一组相空间，代入计算得到部分交通流向量将这些结果累加得到最终的预测交通流X_v: