[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

说明书

本发明公开了一种基于阻尼Holt模型的路网速度预测及异常识别方法，(1)针对地磁设备检测到的路网历史交通速度数据对问题数据进行异常识别和修复，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缺失数据进行修复；(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；(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。本发明提出的路网速度预测及异常识别方法，能对异常路网速度的形成及未来发展趋势进行预警，并做出足够提前量的早期预警。

技术领域

本发明属于智能交通领域，涉及一种路网速度预测方法及异常识别方法。

背景技术

道路交通速度是是智能交通系统中的一项重要参数，相较于密度和流量，速度能够直接反映道路交通的拥堵情况。对于高负荷的城市交通网络，道路异常速度会引起客流大规模聚集和拥堵的传播。合理准确地对速度进行预测及异常识别可以有效辨识路网状态，进而为交通决策提供数据反馈与理论支撑。

目前技术中的城市轨道交通流预测方法以传统时间序列方法结合深度学习为代表，且大多基于原始数据完备且数据精度较高的情景下进行预测。但是实际中的速度时序规律性较低，不适用于深度学习方法，且深度学习方法需要大量样本训练，实际样本较少，很难达到深度学习训练需要的规模。鉴于现有技术的上述技术缺陷，迫切需要研制一种新的路网速度预测方法及异常速度识别方法。

发明内容

本发明提出的一种基于阻尼Holt模型的路网速度预测及异常识别方法，对城市交通系统中的路网速度演化规律进行分析，建立了预测和预警机制，通过偏差分析对异常事件进行分类并跟踪和监控，实现交通异常检测自动化。采取定量评价的方法为应对城市交通异常事件提供决策支持。利用交通监测系统不断发布的实时数据，及时做出足够提前量的早期预警。

本发明的技术方案为：一种基于阻尼Holt模型的路网速度预测及异常识别方法，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；

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。

本发明采用上述技术方案，具有以下有益效果：

1、为交通管理者提供及时、可靠的快速路交通状态及趋势信息，合理估计和预测偶发事件下的交通拥堵持续时间，便于为公众提供有效的交通信息服务。

2、为交通管理者提供准确的快速路瓶颈信息，便于设计和实施长期或短期的交通管理措施和控制方案。

3、对于变化复杂的交通速度数据，本发明提供了一种数据预处理的方法，同时使用阻尼Holt模型更好的预测了交通速度数据中的波动数据，尤其对于异常速度数据，随着时间的推移，其预测趋势可以随着交通数据变化而变化，具有较好的拟合度和预测能力。

附图说明

图1为本发明的方法流程图；

图2为基于阻尼Holt模型的路网速度预测及异常识别方法详细流程图；

图3为预处理前后的时间序列对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。