[发明专利]一种基于两级谱聚类的交通拥堵状况预测方法及系统

权利要求书

1.一种基于两级谱聚类的交通拥堵状况预测方法，其特征是：包括以下步骤：

获取城市各时段街道信息和气象信息；一个周期划分为多个时间段；

根据各时段街道信息进行聚类，得到各时段街道所属类簇；

根据各时段街道所属类簇和气象信息，使用梯度增强回归树模型预测下一周期的街道车流量；具体的，将若干个历史周期内街道的所属时段、所属类簇、天气信息输入训练好的梯度增强回归树预测模型，预测得到下一周期内的各街道车流量；

根据各时段街道所属类簇和气象信息，使用多相似推理模型预测下一周期内各街道在不同时间段的车流量；具体为：对于多相似推理模型，输入特征为聚类结果、所属时段、天气、温度以及风速，输出结果为下一周期内各街道在不同时间段的车流量；

根据各时段街道所属类簇和气象信息，使用多相似推理模型预测下一周期内各街道在不同时间段的迁入和迁出值；具体为：使用多相似推理模型，输入为聚类结果、时间、天气、温度以及风速，预测得到各街道在不同时间段的迁入和迁出值；

根据预测得到的下一周期的街道车流量、下一周期内各街道在不同时间段的车流量，确定街道拥堵状况；具体为：判断街道在某时间段的车流量是否超过下一周期内该街道的车流量，若超过，则街道在该时间段为非常拥堵；若未超过，街道在该时间段为一般拥堵；

在确定街道拥堵状况的基础上，根据街道拥堵状况以及下一周期内各街道在不同时间段的迁入和迁出值，疏通车辆。

2.如权利要求1所述的一种基于两级谱聚类的交通拥堵状况预测方法，其特征是：所述根据各时段街道信息进行聚类的具体步骤包括：

根据各时段的街道车流量和街道车流量阈值，将各时段的街道划分为多个级别；

对于每个级别的街道使用两级谱聚类算法进行聚类，得到各时段街道所属类簇。

3.如权利要求2所述的一种基于两级谱聚类的交通拥堵状况预测方法，其特征是：所述两级谱聚类算法的具体步骤为：

(1)根据各时段街道信息统计各时段街道车辆迁移矩阵；

(2)根据街道位置，使用谱聚类将各时段街道聚类成若干类簇；

(3)根据各时段街道车辆迁移矩阵，计算类簇间的车辆迁移矩阵；

(4)根据街道位置、各时段的街道车流量和类簇间的车辆迁移矩阵重新使用谱聚类算法进行聚类，获取最新的聚类结果；

(5)重复执行(3)-(4)，直到聚类结果不再发生变化为止。

4.如权利要求1所述的一种基于两级谱聚类的交通拥堵状况预测方法，其特征是：所述梯度增强回归树模型通过对每个连续树进行构造来进行预测先前树的残差。

5.一种基于两级谱聚类的交通拥堵预测系统，其特征是：包括：

数据获取模块，用于获取城市各时段街道信息和气象信息；一个周期划分为多个时间段；

聚类模块，用于根据各时段街道信息进行聚类，得到各时段街道所属类簇；

第一预测模块，用于根据各时段街道所属类簇和气象信息，使用梯度增强回归树模型预测下一周期的街道车流量；具体的，将若干个历史周期内街道的所属时段、所属类簇、天气信息输入训练好的梯度增强回归树预测模型，预测得到下一周期内的各街道车流量；

第二预测模块，用于根据各时段街道所属类簇和气象信息，使用多相似推理模型预测下一周期内各街道在不同时间段的车流量；具体为：对于多相似推理模型，输入特征为聚类结果、所属时段、天气、温度以及风速，输出结果为下一周期内各街道在不同时间段的车流量；

第三预测模块，根据各时段街道所属类簇和气象信息，使用多相似推理模型预测下一周期内各街道在不同时间段的迁入和迁出值；具体为：使用多相似推理模型，输入为聚类结果、时间、天气、温度以及风速，预测得到各街道在不同时间段的迁入和迁出值；

街道拥堵状况确定模块，用于根据预测得到的下一周期的街道车流量、下一周期内各街道在不同时间段的车流量，确定街道拥堵状况；具体为：判断街道在某时间段的车流量是否超过下一周期内该街道的车流量，若超过，则街道在该时间段为非常拥堵；若未超过，街道在该时间段为一般拥堵；

在确定街道拥堵状况的基础上，根据街道拥堵状况以及下一周期内各街道在不同时间段的迁入和迁出值，疏通车辆。