[发明专利]一种交通信息的处理方法

说明书

本发明涉及一种交通信息的处理方法，属于信息处理技术领域。包括以下步骤：S1信息获取：以时间序列的形式获取得到交通信息的样本序列；S2平稳化处理：将样本序列转化成零均值序列，采用非参数法对新生成的零均值序列进行平稳性判断，如果新生成的零均值序列不平稳，则对新生成的零均值序列进行差分，以此类推直到平稳为止；S3统计学处理：计算得到平稳化处理后的零均值序列的自相关函数和偏相关函数；S4模型识别：根据自相关函数和偏相关函数判断采用MA(q)模型、AR(p)模型或ARIMA模型；S5模型定阶：采用AIC进行模型的定阶，当AIC值达到最小时得到理想阶数；S6获取预测值：根据理想阶数采用对应的模型计算得到预测值。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种交通信息的处理方法。

背景技术

每个城市都有自己的城市道路交通网络，人们通过选择不同的路线可以快速到达自己的目的地。然而，很多时候由于交通拥塞，如果还是依照以往的出行路线，那么用户将很难在规定时长内到达自己的目的地。众所周知，城市道路拥塞是一种动态的拥塞，而非静态的拥塞。这也意味着，道路拥塞的程度随着时长的变化而变化。

现有技术中通过对道路交通信息进行监控，获取过去和现在的交通信息对未来进行预测。但是这种方式在车流量随机变化的情况下，并不能全面、精确地预测得到道路拥塞情况。

发明内容

本专利提供了一种交通信息的处理方法，该方法建模简单、容易理解，在数据充分的情况下，有较高的预测精度。所述方案如下：

本发明实施例提供了一种交通信息的处理方法，该方法包括以下步骤：

S1信息获取：以时间序列的形式获取得到交通信息的样本序列，所述交通信息包括交通流流量、密度或速度；

S2平稳化处理：将样本序列转化成零均值序列，采用非参数法对新生成的零均值序列进行平稳性判断，如果新生成的零均值序列不平稳，则对新生成的零均值序列进行差分，以此类推直到平稳为止；

S3统计学处理：计算得到平稳化处理后的零均值序列的自相关函数和偏相关函数；

S4模型识别：根据自相关函数和偏相关函数判断采用MA(q)模型、AR(p)模型或ARIMA模型；

S5模型定阶：采用最小信息准则AIC进行模型的定阶，当AIC值达到最小时得到理想阶数；

S6获取预测值：根据理想阶数采用对应的模型计算得到预测值。

进一步地，本发明提供的方法还包括：

S7校验：获取实际值，与预测值进行比较，如果误差不符合预定要求，则返回步骤S3对模型的参数进行拟合。

其中，零均值序列Y_t采用以下方法进行获取：

，

其中，x_t为样本序列，均值：。

其中，自相关函数为：

，

其中，协方差：，为零均值序列Y_t的均值。

其中，偏相关函数为：

。

具体地，如果仅自相关检测q不截尾，则采用MA(q)模型；如果仅偏相关检测p不截尾，则采用AR(p)模型；如果自相关和偏相关均检测不截尾，则采用ARIMA模型。

其中，AIC为：

，

其中，N为样本序列的长度，为残差的方差。