[发明专利]一种基于多源融合数据的高速公路交通流参数修正方法

摘要

本发明公开了一种基于多源融合数据的高速公路交通流参数修正方法，包括如下步骤：(1)从相应的交通流检测设备和气象检测设备中提取交通流参数数据和气象数据，并对数据进行时间和空间维度的匹配；(2)对缺失数据进行筛选；(3)对数据进行修复建模；(4)对数据进行修复；(5)数据返归一化；将返归一化结果数据插入到矩阵X的相应位置，得到完整的数据矩阵。本发明的有益效果为：充分利用数据信息，包括缺失数据中数据的信息，对缺失数据进行修正；考虑天气因素对交通流的影响，可以提高修复精度；提出的算法简单明了，能够满足实时处理的要求。

主权项

1.一种基于多源融合数据的高速公路交通流参数修正方法，其特征在于，包括如下步骤：(1)从相应的交通流检测设备和气象检测设备中提取交通流参数数据和气象数据，并对数据进行时间和空间维度的匹配；(2)对缺失数据进行筛选；(3)对数据进行修复建模；具体包括如下步骤：(a)记录缺失数据所在行的编号集合M，将其从数据矩阵X中提取出来为数据矩阵X^miss，其余数据组成新的数据矩阵X′，然后将矩阵进行归一化处理；针对数据矩阵X′，随机产生30％的交通流缺失数据，记录缺失数据所在行的编号集合M′，将其从数据矩阵X′中提取出来构成新的数据矩阵为X′_test，剩余数据矩阵为X′_train；(b)基于多元时间序列模型和数据矩阵X′_train分别建立各项交通流数据与气象数据的回归方程，包括模型一：流量与湿度、风速、降雨量、温度的回归方程；模型二：速度与流量、湿度、风速、降雨量、温度的回归方程；模型三：占有率与速度、流量、湿度、风速、降雨量、温度的回归方程；所述的多元时间序列如下式：y_t＝δ+Φ₁y_t‑1+…+Φ_py_t‑p+ε_t‑Θ₁ε_t‑1‑…‑Θ_pε_t‑p式中：y_t＝(y_1t，...，y_kt)′，t＝0，1，...表示k维时间序列向量；y_kt表示第k个变量在t时刻的观测值；ε_t＝(ε_1t，...，ε_kt)′为白噪声向量，当t≠s时，满足E(ε_t)＝0，E(ε_tε′_s)＝0；Φ₁，...，Φ_p，Θ₁，...，Θ_p为模型中需求解的参数矩阵；(c)将集合X′_test中对应变量的数据依次带入到模型一、二、三中计算交通流参数的数值，得到交通流参数数据矩阵Y＝{y_ij}，并将数据按照其时间位置插入到数据矩阵X′_train中得到数据矩阵X″_train；(d)对数据矩阵X″_train，按照时间进行降序排列，得到数据矩阵X″′_train和缺失数据编号集合M″；利用多元时间序列模型和数据矩阵X″′_train分别建立各项交通流数据与气象数据的回归方程，包括模型四：流量与速度、占有率、湿度、风速、降雨量、温度的回归方程；模型五：速度与流量、占有率、湿度、风速、降雨量、温度的回归方程；模型六：占有率与速度、流量、湿度、风速、降雨量、温度回归方程；(e)将集合M″中的数据依次带入到模型四、五、六中计算缺失的交通流参数数据，得到数据矩阵Y′＝{y′_ij}；(f)设数据矩阵X′_test中交通流参数数据矩阵为利用最小二乘原理求解下式中的参数a、b、∈：(4)对数据进行修复；(5)数据返归一化；将返归一化结果数据插入到数据矩阵X的相应位置，得到完整的数据矩阵；其中，数据矩阵其中该矩阵包含m行n列，其中m行表示时间段的个数，n列为相应的交通流参数和气象参数，表示第i列第j行的数据。