[发明专利]一种基于谱分析的城市道路速度预测方法

说明书

技术领域

本发明涉及一种基于谱分析的城市道路速度预测方法，属于智能交通系统研究范畴。

背景技术

城市道路交通预测方法通过预测短时间范围内相应路段的道路速度，获得相应道路交通状态，并利用多种渠道发布预测结果，诱导驾乘人员选择合理出行路线，可以起到缓解交通拥堵的作用，近年来越来越受到关注。

谱分析是对空间数据进行格局、尺度分析的一种数学方法，能够呈现强大的表现能力，即使是道路上的单个点，也可以有力地表现其真实的交通状况，从而减少波动带来的影响，适用于分析波动较大的时间序列。但是直接利用谱分析技术预测城市道路速度的方法还未见报道。

目前，道路速度预测的主要方法包括ARIMA（差分自回归移动平均模型）、卡尔曼滤波模型等。ARIMA是一种完全基于经验统计的时间序列预测方法，其将预测对象随时间推移而形成的随机序列用一定的数学模型来近似描述，并利用此序列的过去值及现在值来预测未来值。卡尔曼滤波模型采用最小均方误差作为预测的最佳准则，利用前一时刻的预测值和当前时刻的观测值来更新对状态变量的预测，求出当前时刻的预测值。这两种模型虽然能够较快预测未知的数据，但是不适用于波动较大的时间序列。在城市路网中，道路交通状态存在变化快、波动范围大等特点，上述方法无法及时反映这些变化，导致预测误差较大。

发明内容

本发明要克服现有技术的不足，提出一种基于谱分析的城市道路速度预测方法，缓解城市道路交通状态快速波动对道路速度预测的影响，提高预测准确性。

为实现上述目的，本发明首先收集道路历史数据和预测当天已知数据，再利用两者对应区间的关系选择预测模型参数，最后结合谱分析模型预测得到未知的数据。

本发明的方法通过以下步骤来实现：

步骤1.收集GPS采集到的车辆速度数据

GPS采集到包含采集时间、车辆编号、车辆速度等数据，其中选取车辆速度数据作为源数据；

步骤2.选择模型参数

通过预测当天的已知数据与其对应历史数据的关系来表示待预测数据与其对应历史数据的关系，即指预测模型中的参数矩阵C；

其中基于谱分析的道路速度预测模型公式如下：

X^=C·φT---(1)]]>

式中：表示预测得到的某连续区间道路速度矩阵；C代表参数矩阵；φ是描述相应区间道路速度变化趋势的特征向量矩阵；

求参数矩阵C具体步骤如下：

2.1首先将GPS车辆速度通过地图匹配方法转化为道路速度；

2.2然后将每天平均划分成N个区间，已知历史连续M天N个区间和第M+1天前j个区间的道路速度数据；

2.3定义历史连续M天N个区间的数据为M*N阶的矩阵，记作X。根据R=X^TX求得矩阵X的协方差矩阵R(N*N)；

2.4采用QR分解法（矩阵分解成一个正规正交矩阵Q与上三角形矩阵R）求得协方差矩阵R的特征向量矩阵，记为φ(N*N)。在特征向量矩阵φ中选取N*K部分记为φ′，其中，K(1≤K<N)表示阶数，即使用的特征向量的数量。选取矩阵φ′中第1行至第j行部分，记为φ₁(j*K)；同理，φ′中第j+1行至第N行部分，记为φ₂((N-j)*K)；

2.5第M+1天已知区间数据组成的矩阵记作与上一步求得的φ₁一同代入模型公式（1）变换得到的公式中，即可求得表示第M+1天已知区间（区间1至区间j）数据和相应M天历史区间数据之间的参数矩阵，记为C₁(1*K)，也可作为第M+1天未知区间（区间j之后，不包括区间j）数据和历史M天区间数据的参数矩阵；

步骤3.根据模型公式预测道路速度

将上一步得到的参数矩阵C₁和φ₂同时代入公式（1）中，即可预测第M+1天区间j以后的道路速度。