[发明专利]基于马尔可夫链模型的交通因子网络构建方法在审
| 申请号： | 201811501212.2 | 申请日： | 2018-12-10 |
| 公开（公告）号： | CN109377761A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 张伟斌;宋雨杭;戚湧;桂林卿 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06F17/50;G06K9/62;G06F17/16;G06Q10/04;G06Q50/26 |
| 代理公司： | 江苏楼沈律师事务所 32254 | 代理人： | 沈勇 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 在本文中提出了一种基于马尔可夫链模型的交通因子网络构建方法。该方法将捕获的速度，流量数据作为系统因子，通过高阶多元马尔可夫链建交通因子网络来模拟交通网络中固有的复杂空间和时间关系。通过在模型构建中应用交通领域知识，考虑交通数据之间的内在联系，对交通因子数值进行聚类分析。通过基于EM算法的高斯混合分布模型对历史数据的反向学习，对大量的交通流参数数据进行聚类分析，不同的交通参数聚类对应了实际交通系统中的不同交通状态，即环境影响因子等级。在此基础上通过高阶多元构建了交通因子状态网络，从而可以实现更为精准的数据预测和校正。 | ||
| 搜索关键词： | 马尔可夫链 因子网络 构建 交通 聚类分析 高阶 环境影响因子 交通流参数 分布模型 复杂空间 高斯混合 交通参数 交通领域 交通数据 交通网络 交通状态 历史数据 流量数据 模型构建 内在联系 时间关系 实际交通 数据预测 因子状态 聚类 校正 捕获 应用 网络 学习 | ||
【主权项】：
1.一种基于马尔可夫链模型的交通因子网络构建方法，其特征在于，包括以下步骤：步骤一，选定需要进行交通流预测分析的目标路段，获取所选路段中所有的交通流量历史数据；步骤二，通过EM算法对所采集的交通流数据进行聚类；步骤三，结合路段实际交通状况，验证所聚类的交通流数据是否具有周期性；步骤四，利用高阶多元Markov模型对历史数据集进行建模，得到交通因子的转移概率矩阵；步骤五，将EM算法模型聚类后的数据代入高阶多元Markov模型，得到最终的预测结果；步骤六：将历史数据集与最终的预测数据进行比较，并分析误差。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811501212.2/，转载请声明来源钻瓜专利网。
