[发明专利]一种基于阻尼Holt模型的路网速度预测及异常识别方法

权利要求书

1.一种基于阻尼Holt模型的路网速度预测及异常识别方法，其特征在于，包括如下步骤：

步骤(1)、针对地磁设备检测到的路网历史交通速度数据进行异常识别和修复；所述步骤(1)具体包括：

使用绝对值差中位数对交通速度数据中的异常值进行处理，使用时空回归模型对交通速度数据中的缺失数据进行修复，使用移动平均法对交通速度数据进行平滑降噪；

其中，使用绝对值差中位数对交通速度数据中的异常值进行处理，包括：使用抗离群的中位数和基于中位数的绝对偏差确定上限值UBV和下限值LBV，通过比较各数据与UBV和LBV的大小来检测离群值，如果数据集中的值大于UBV或小于LBV，则该数据集中的值被视为离群值；给定数据集X＝{x₁，x₂，...，x_p}，p为数据个数，UBV和LBV定义如下：

其中，med(X)为数据集X的中位数，f是一个比例因子，为数据集X的中位数绝对离差，其中k为常数比例因子，其值取决于数据的分布，MAD为数据集X中的数据的中位数的绝对偏差的中位数，对于正态分布数据，k＝1/(φ^-1(3/4))＝1.4826，φ^-1为正态分布的逆累计分布函数；

MAD＝med(|x_i-med(X)|)

x_i为数据集X中的一个值，med是中位数函数；

所述步骤(1)中建立时空多元回归模型对缺失数据进行填补，设定有m个路段与缺失路段相邻，则建立缺失路段的空间回归模型如下：

v_i，t＝α₀+α₁v_1，t+…+α_mv_m，t，

其中，v_i，t为路段i在t时刻的交通速度，α_i为空间相关性回归系数，i＝0，1，…，m，m表示m个相邻路段，除了空间相关性外，同一路段的不同时间的交通速度也存在相关性，建立缺失路段的时间回归模型如下：

v_i，t＝β₀+β₁v_i，t-1+…+β_nv_i，t-n，

其中，v_i，t为路段i在t时刻的交通速度，β_i为时间相关性回归系数，i＝0，1，…，n，n为v_i，t中的t时刻相邻的最近的n个时间戳，结合时间回归模型和空间回归模型，建立融合模型，缺失数据的通行速度通过如下方程融合得到：

v_i，t＝λ_ivt_i，t+(1-λ_i)vs_i，t，

其中，vt_i，t为时间回归模型的预测值，vs_i，t为空间回归模型的预测值，λ_i∈[0，1]为参数，使用最小二乘方法估计回归系数，得到回归系数后对缺失数据进行估计；

步骤(2)、预测未来一段时间的路网速度量，对于路网速度量，根据历史路网速度建立模型，对未来的路网速度量进行预测；

步骤(3)、针对路网交通系统中某路段的突发路网流量造成实时速度量与历史路网速度具有差异，建立预警机制实现预定提前量早期预警，对异常突发路网速度进行预警并发出信号，

所述步骤(2)中基于带有约束的阻尼Holt模型对路网速度进行预测，具体为：

预测方程：

水平方程：

趋势方程：

其中，为在t时刻的水平预测值，b_t为在t时刻的趋势预测值，为t+h时刻的预测值；0≤α≤1是水平平滑参数，0≤β^*≤1是趋势平滑参数，使用阻尼参数防止预测“失控”，在预测过程中平滑系数的选取考虑建立相应的数学模型寻找最佳预测结果对应的平滑系数值，从而进行定量预测，使用误差平方和SSE作为模型的评价指标，建立如下优化模型：

其约束条件为：

其中，α、β^*、φ、h均为参数，和b₀为初始值，y_t为t时刻的实际速度值，t＝1...T，T为时间戳个数；

所述步骤(3)中采用假设检验的方法对异常速度进行预警，由于人的出行在不同日期表现出不同变化的特点，使用基于k-means的时间序列聚类算法对交通速度时间序列进行聚类，得到不同模式的数据集，然后使用相似度计算与实时速度匹配的模式数据集进行异常速度发现，模式提取后的数据集服从正态分布，因此采用拉依达准则对异常速度进行识别，设定某个时间戳相同模式速度数据集为{y₁，y₂，y₃，…，y_N}，N为该相同模式速度数据的个数计算其算术平均值及标准差σ，若该时间戳对应的实时速度v_i满足：

则认为该时间戳对应的实时速度出现异常，若存在连续时间戳出现异常，则认为该段时间速度异常。