[发明专利]一种基于历史和周边路口数据的拥堵预测算法

摘要

一种基于历史和周边路口数据的拥堵预测算法，包括下列步骤：步骤1.对交通数据进行实时的更新和预处理；步骤2.输入预测的目标路口和时间区间；步骤3.讲当前区域车流量数据与历史数据进行匹配，找出相似的时间区间进而进行预测。本发明根据“交通流量预测”的问题，利用非参数回归的算法思想，结合历史数据和周边路口数据进行交通流量的预测，有效的实现了交通数据流量的预测。本发明最终实现的功能是能够根据用户对交通拥堵预测情况的需求，预测目标路口在需求时间的拥堵情况，并且可以高效准确的实现交通流量的预测。

主权项

1.基于历史数据和周边路口的拥堵预测算法，包括下列步骤：步骤1.计算单路口与历史数据的相似性；定义单路口单位时间历史相似度概念r如式(1)；假设路口A当前单位时间内车流量为Vt0，历史上该路口某个单位时间内车流量为Vt1，则该路口单位时间的历史相似度为：将单路口单位时间历史相似度r修正如式(2)：其中，阈值δ是通过多次实验调试出来的最佳参数，计算不同路口单位时间的历史相似度取相同的值或取不同的值；步骤2、求取包含目标路口A的区域单位时间的历史相似度；目标路口A的车流量情况与A路口周围路口情况相关；当预测目标路口A交通情况时，考察当前时段包含目标路口A的这片区域的整体交通情况，并将之与该片区域的历史数据作比较，找出与当前最为相似的情况；以该相似度较高的历史数据为基础，预测得到未来时段的目标路口A车流量；在选定区域时，选择A路口周围若干千米以内的路口；确定区域后，研究每个路口与A路口的相关性，采用统计上的相关性分析进行分析，相关性系数越大，说明两个路口之间的关联性越强；相关性越小，则反之；假设选取n个连续单位时间段进行比较，对于目标路口A，这n个单位时间段的数据构成的向量为V(0)＝(vt(0),vt‑1(0),...vt‑n+1(0)),t为当前时刻；对于周围第n个路口，这n个单位时间段的数据构成的单位时间车流量向量V(j)＝(vt(j),vt‑1(j),...vt‑n+1(j))；那么路口j和目标路口A的样本相关系数为:其中，为目标路口A在这n个时间段的平均车流量，为周围路口j在这n个时间段的平均车流量；假设选取了目标路口周围个路口，利用公式(2)求得周围各个路口与某一历史单位时间的相似性向量为E＝(r₁,r₂,r₃,...,r_m)；周围第j个路口相似度对该片区域影响程度w_j，由其与目标路口A的样本相关系数决定:通过公式(4)得到权重向量W1＝(w1,w2,w3,...,wm)；将周围路口和目标路口的历史相似度加成，得到最终的区域单位时间的历史相似度：R＝p1·r0+(1‑p1)·W1·E′  (5)其中，p1为设定的比例系数，r0为目标路口与历史单位时间车流量的相似性，E’是向量E的转置；步骤3.基于区域多短时间的历史相似度进行预测；不仅目标路口的周围路口在单位时间内的车流量情况会影响目标路口的预测，该区域的前后多段时间步长内的情况也会影响目标路口的预测；因此在求得区域单位时间的历史相似度基础上，需要扩大时间范围，观察大于时间步长的时间段内区域的历史相似度；取历史连续单位时间段t‑m1,t‑m1+1,…,t，共m1‑m2+1个；而最近m1‑m2+1个连续单位时间段为t‑m1‑m2,…,t‑2,t‑1,t；对于最近单位时间t‑i，通过公式(5)，得到选定区域的单位时间历史相似度Ri；故对于上述连续单位时间段，以各个单位时间历史相似度取平均得到，即：n为比对时间段的个数，表示区域连续多段时间的历史相似度；利用公式(6)，得到该区域当前连续多段时间与该区域历史上所有同一时间跨度的相似度；在这众多的区域多段时间的历史相似度中，取前k个相似度，取其对应的历史时间段的数据为预测参考数据；对于这个历史参考时间段，假设每个时间段包含的最后一个单位时间段分别为t‑1,t‑2,t‑3,…,t‑k；如果要预测目标路口A在t+t’单位时间段上的车流量qt，通过t‑t1+t',t‑t2+t',t‑t3+t',…,t‑tk+t'上的车流量求取平均值得到，即：步骤4、预测目标路口交通流量；通过选取连续多段时间跨度上与目前区域最相似的历史该区域的数据,预测目标路口未来某一单位时间内的车流量。