[发明专利]一种可进行置信区间估计的短时交通流预测方法

说明书

本发明公开了一种可进行置信区间估计的短时交通流预测方法，在进行在线短时交通流预测时，不仅可以获得短时交通流的预测值，而且能够同时获得上述预测值的方差估计值，并利用该方差的估计值可以进一步获得短时交通流预测值的置信区间，从而实现对短时交通流预测的不确定性进行定量分析。本发明的方法适用于交通流预测，在智能交通系统中有重要的应用价值。

技术领域

本发明涉及一种交通流的预测方法，具体涉及一种可进行置信区间估计的短时交通流预测方法。

背景技术

交通流预测是智能交通系统的关键组成部分，具有重要的研究意义。交通流预测主要是针对实时交通流时间序列构成的动力系统进行的一种预测性研究。认为交通流混沌在短期内是可以被预测的，短时间交通预测是指对统计间隔为2至15分钟内的短时交通流时间序列所进行的预测。短时交通流预测按技术手段可概括为三大类：第一类是线性预测方法，主要包括时间序列预测方法、状态空间预测方法和卡尔曼滤波预测方法等；第二类是非线性预测方法，主要包括非参数回归方法、神经网络预测方法和支持向量机预测方法等。第三类是混合预测方法，主要是指两种及两种以上预测方法在中间预测过程的结合或最终预测结果的融合。其中，由于短时交通流动力系统的非线性特征，线性预测方法预测效果通常并不理想。非线性预测方法符合短时交通流非线性的特点，通过针对历史数据的监督学习获得预测模型，具有较强的自适应性。混合预测模型能够提升模型的预测精度，但却降低了模型的预测速度并增加模型的复杂度；同时，混合模型中子模型与混合方式的选择无系统化方法，主要依赖于实际应用和工程经验。

根据学习理论基本原理，通过对样本数据的学习而获得的对总体的认识只是概率意义上的逼近。在有限样本的条件下，任何一种短时交通流预测方法仅能使预测值依概率收敛于实际值，因此有必要在给出预测值的同时对其预测的不确定性进行量化估计。然而，已有的短时交通流预测方法均属于确定性预测，即对某一时刻交通流的预测结果通常是一个确定数值，无法对预测的不确定性进行定量分析。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于，提供一种可进行置信区间估计的短时交通流预测方法，实现对短时交通流进行预测的同时可获得短时交通流预测值方差的估计值，并利用该方差的估计值进一步确定短时交通流预测值的置信区间。

为了实现上述任务，本发明采用以下技术方案：

一种可进行置信区间估计的短时交通流预测方法，包括以下步骤：

选定需要进行交通流预测的路段，获取所选路段的短时交通流历史数据并构建所选路段的短时交通流历史数据库，选择短时交通流预测的预测时段，确定短时交通流数据的样本周期；

确定用于生成短时交通流预测模型的训练数据集的交通流历史数据的规模，从所述数据库中选择相应数量的短时交通流历史数据，根据所述的样本周期，对选择的短时交通流历史数据进行周期性差分处理，将差分处理后的结果作为所述的训练数据集；

建立可进行置信区间估计的短时交通流预测模型，确定预测模型中需要求解的待定参数，根据所述的训练数据集求得待定参数的最优值，然后通过所述预测模型进行短时交通流预测，分别获得短时交通流的预测值及其方差估计值，并在给定的置信水平条件下，获得针对所述预测值的置信区间。

进一步地，所述的根据所述的训练数据集求得待定参数的最优值，包括：

求取训练数据条件概率的负对数似然函数，对负对数似然函数按预测模型中的待定参数求偏导数，通过求取使得所述偏导数最小的参数值即可获得待定参数的最优值。

进一步地，所述的从所述数据库中选择相应数量的短时交通流历史数据，表示为：

{y_j|j＝1,2,...,M} 式1