[发明专利]一种在线式实时短时间交通流预测方法

摘要

本发明提出了一种在线式实时短时交通流预测方法，对LS‑SVM模型中Lagrange乘子向量的求解过程进行了简化，提出了利用滑动时间窗口的移动来控制新数据样本的加入和旧数据样本的移除，滑动时间窗口中数据样本更新后，仅通过向量的线性运算就可以求得Lagrange乘子向量更新值，从而完成短时交通流预测模型的在线更新。本方法能够有效缩短预测模型在线更新的时间，提高在线短时交通流预测的实时性。

主权项

1.一种在线式实时短时间交通流预测方法，其特征在于，包括以下步骤：步骤一，选定需要进行交通流预测的路段，获取所选路段的短时交通流历史数据，并构建所选路段的短时交通流历史数据库；步骤二，根据获取的短时交通流历史数据，确定短时交通流预测的预测时段；步骤三，根据所述的预测时段，确定短时交通流数据的样本周期；步骤四，根据所述的样本周期，确定在线预测时间样本更新的滑动时间窗口长度，即每次在线预测时所需要使用的交通流历史数据的数量；步骤五，进行短时交通流的初始预测首先，根据滑动时间窗口的长度，选择初始短时交通流样本数据，并构成最小二乘支持向量机模型，即LS‑SVM模型的初始训练数据集，该训练数据集中的交通流历史数据按时间逆序排列，并根据采样时刻的顺序进行编号；然后，利用所述的初始训练数据集训练所述的LS‑SVM模型；最后，利用训练好的最LS‑SVM模型进行初始交通流预测；步骤六，按照滑动时间窗口进行交通流历史数据的更新在短时交通流历史数据库中，获取一条新的交通流数据，根据该交通流数据的采样时刻确定该数据在滑动时间窗口中的编号；然后，根据确定的编号，删除原滑动时间窗口中对应编号的数据，将新的数据插入到该位置，这样滑动时间窗口就完成了一次数据更新；步骤七，对所述的LS‑SVM模型进行更新，然后进行新一轮的短时交通流预测。