[发明专利]一种基于多源交通数据动态可靠性的交通状态预测方法

摘要

本发明提供的一种基于多源交通数据动态可靠性的交通状态预测方法首先构建交通状态D‑S证据理论识别框架；其次，利用时间序列模型中的ARIMA‑GARCH模型来预测不同数据源交通状态判别参数的均值和方差。然后，以动态方差预测结果为输入参数计算不同数据源的可靠性，并以此为基础构建基本概率分配。进而通过证据合成规则计算各待识别状态的基本概率分配函数，最后通过最大信度法则方法判别最终的交通状态。该方法充分利用多种交通检测信息，并考虑数据源的动态可靠性来预测交通状态，降低单一数据源存在的局限性和不确定性，有效提高城市道路交通状态预测的准确性和可靠性。

主权项

一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，包括以下步骤：步骤1、构建交通状态D‑S证据理论识别框架，确定目标路段的M个待识别交通状态；步骤2、将不同数据源的交通信息转化为统一的交通状态判别参数；步骤3、利用时间序列模型中的差分自回归移动平均‑广义自回归条件异方差模型预测交通状态判别参数的条件方差，其中，第i类数据源在t时刻的交通状态判别参数的条件方差为步骤4、以步骤3预测得到的条件方差计算每个数据源的可靠性，其中，数据源i在t时刻的可靠性为n表示数据源的总个数；步骤5、以步骤4得到的所有数据源的可靠性为基础，构建基于不同数据源动态可靠性的基本概率分配；步骤6、通过D‑S证据理论合成规则进行证据合成，得到所有待识别状态的基本概率分配函数；步骤7、进行交通状态的决策。