[发明专利]停车场有效泊位占有率短时预测方法

权利要求书

1.一种停车场有效泊位占有率短时预测方法，其特征在于包括如下步骤：

(1)用小波函数对有效泊位占有率时间序列c₀进行多分辨率的N尺度的分解，分解后得到一个尺度为N的低频系数向量c_N和N个不同尺度下的高频系数向量d₁，d₂，…，d_N；

(2)对步骤(1)中的低频系数向量c_N和高频系数向量d₁，d₂，…，d_N进行重构，得到N+1个时间序列C_N，D₁，D₂，…，D_N；

(3)对步骤(2)中N+1个重构的时间序列分别建立加权马尔可夫链预测模型进行预测，得到N+1个预测结果

(4)将步骤(3)中得到的N+1个预测结果累加，获得对应于原始有效泊位占有率的预测结果：

2.根据权利要求1所述停车场有效泊位占有率短时预测方法，其特征在于：所述步骤(1)中的分解方法为采用离散小波变换中的二进正交小波变换，并采用快速二进正交小波变换算法进行小波分解。

3.根据权利要求1所述停车场有效泊位占有率短时预测方法，其特征在于：所述步骤(3)中进行预测的具体步骤是：

1)将所述步骤(2)中N+1个时间序列分别划分为N+1个状态空间：E_CN，E_D1，E_D2，…，E_DN；

2)根据所述N+1个时间序列估计出马尔可夫链的转移概率，并得到所述N+1个时间序列的一步转移概率矩阵分别为：P_CN，P_D1，P_D2，…，P_DN；

3)计算得到各阶自相关系数：

其中，r_k表示第k阶的自相关系数，x_t表示第t时段的数值，表示均值，m表示时间段个数；并对各阶自相关系数进行归一化：式中l为按预测需要计算到的最大阶数，并将ω_k作为各种滞时的马尔可夫链的权重；

4)对所述N+1个时间序列C_N，D₁，D₂，…，D_N分别预测出不同步长的状态概率矩阵k为滞时，k＝1，2，…，1：i＝C_N，D₁，D₂，…，D_N；

5)将同一状态的所述不同步长的状态概率矩阵加权求和作为该状态的预测概率：i＝C_N，D₁，D₂，…，D_N；

6)将所述N+1个时间序列C_N，D₁，D₂，…，D_N分别乘以步骤5)中的得到N+1个预测结果