[发明专利]一种基于转移矩阵的交叉口各流向流量值动态预测方法

说明书

技术领域

本发明涉及交通管控领域，具体涉及一种基于转移矩阵的交叉口各流向流量值动态预测方法。

背景技术

在大数据时代，高效的利用多源数据信息对交通运行状况做出实时预判尤为重要。利用现有的交通数据对交通运行进行科学预测，进而制定合理的管控方案，是缓解城市交通拥堵的一项有效措施。

近年来，随着机动车保有量的不断增长，我国各个城市对智能交通管控设施的投入也不断加大，海量的交通数据呈爆发式的增长。虽然现在可以利用有效数据对路段流量进行预测，但仍旧缺失一种在交叉口处预测各个流向流量值的方法，使得关键节点处的数据价值并未有效的发挥出来。

对交叉口的各流向流量值进行预测，实质上是利用前期时段交叉口进口道的地磁数据和路段微波数据，使用加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测。如图2所示，由进口道处的地磁数据获取实时的左转、直行、右转交通量，并进一步处理得到实时的流向比例，由路段上的微波检测器检测实时的路段流量，利用加权移动平均法、状态转移矩阵等数学方法建立基于时间序列的实时预测模型，将历史数据输入该模型即可得到下一时段的各流向流量值。

发明内容

本发明的目的在于提供了一种基于转移矩阵的交叉口各流向流量值动态预测方法，利用地磁、微波数据，结合加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测，提高了对交叉口各流向流量值预测的科学性和实用性。

本发明采用的技术方案是：

本发明包括以下步骤：

A)根据地磁和微波数据分别获取实时流向比例和路段流量

a)由进口道地磁数据获取实时流向比例

这里包括六个参数：左转流量L(t_n)，直行流量S(t_n)，右转流量R(t_n)，左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

b)由路段微波数据获取实时路段流量

这里包括如下三个参数：地磁到路段微波检测器的距离L，车辆驶过这段L距离所用的平均时间t₀,路段微波在(t_n-t₀)时段检测到的交通量Q(t_n-t₀)。

B)确定初始概率向量和状态转移矩阵

a)确定初始概率向量

这里包括如下几个参数:t_n时段初始概率向量N(t_n),左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

b)确定状态转移矩阵

这里的计算参数包括：左转状态L，直行状态S，右转状态R，在t_n到t_n+1时段，状态i向状态j的转移概率p_ij(t_n)，状态i向状态j的转移值k_ij(t_n)，状态i向所有状态(L,S,R)的转移值k_i.(t_n)，状态转移矩阵A_n。

C)融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵

为达到利用历史数据进行动态预测的目的，结合加权移动平均法，以三个连续的初始概率向量为一组数据来标定下一时段的初始概率预测向量，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，步骤包括：

a)融合加权移动平均法标定初始概率预测向量

这里的计算参数包括：t_n时段的初始概率预测向量N′(t_n)，三个权重系数α、β、γ；

b)融合加权移动平均法标定状态转移预测矩阵

这里的计算参数包括：t_n时段到t_n+1时段的状态转移预测矩阵三个权重系数α、β、γ。

D)交叉口流向比例预测