[发明专利]一种基于时空特性分析的短时交通流预测方法

摘要

本发明涉及一种基于时空特性分析的短时交通流预测方法，应用于道路交通管理，是智能交通系统的核心部分，主要涉及交通流量采集预处理，数据样本优化，交通流量预测三大核心技术部分。交通流量采集预处理技术提供历史实验数据，存储预测数据和导入实时对比数据；数据样本优化技术，通过交通流量时空相关特性，采用OPTICS聚类方法处理，得到高质量的训练集样本；交通流量预测技术，基于训练样本构建以SVM为载体的的短时交通流预测模型，通过BFOA算法优化其中的关键参数提高模型性能，实现实时准确的短时交通流量预测，便于道路交通管理系统有效分配利用道路资源，改善交通拥堵，提高运行效率，方便居民出行。

主权项

1.一种基于时空特性分析的短时交通流预测方法，用于实现目标道路的交通流量预测，其特征在于，包括如下步骤：步骤A.获得目标道路指定历史时间区间内的实时交通流量，然后进入步骤B；步骤B.针对目标道路指定历史时间区间内实时交通流量，进行预处理操作，获得目标道路指定历史时间区间内各个时间节点对应的交通流量，然后进入步骤C；步骤C.将目标道路所对应指定历史时间区间内各个时间节点的交通流量，作为各个数据样本点，并针对各个数据样本点，进行维度空间坐标转换，获得各个数据样本点分别所对应的维度空间坐标，然后进入步骤D；步骤D.基于各个数据样本点分别所对应的维度空间坐标，针对各个数据样本点进行聚类处理，获得各个聚类簇，然后进入步骤E；步骤E.根据各个聚类簇，获得目标路段分别对应各聚类时间节点的交通流量，然后进入步骤F；步骤F.基于目标路段分别对应各聚类时间节点的交通流量，结合预设预测时长跨度，获得各组训练样本(xk,yk)，然后进入步骤G；其中，k∈{1,…,K}，K表示训练样本的组数，xk、yk均属于目标路段分别对应各聚类时间节点的交通流量，xk所对应聚类时间节点与yk所对应聚类时间节点之间的差值等于预测时长跨度，且按时序、xk所对应聚类时间节点在yk所对应聚类时间节点之前；步骤G.采用各组训练样本(xk,yk)，基于xk为输入，yk为输出，针对预设分类器进行训练，获得对应预测时长跨度的目标路段短时交通流预测模型，然后进入步骤H；步骤H.基于所获目标路段短时交通流预测模型，针对目标路段，实现预测时长跨度的交通流量预测。