[发明专利]针对无差异性划分和数据稀疏的动态短时交通流预测系统

摘要

本发明请求保护一种针对交通流无差异性划分和数据稀疏的动态短时交通流预测系统。首先，获取数据源。其次，路口相关性分析。根据空间路口在同一时间周期下得到的短时交通流数据，利用层次聚类，设置距离阈值，度量交通流相似性，加强了预测路口内部相关性。第三，建立模型，根据多维数据处理基础思想和方法，结合时间上的周期特性，同时针对数据稀疏问题，构建短时交通流张量预测模型。第四，预测和分析过程。引入滑动窗口，使张量成为在时间序列上的动态张量流，利用张量分解的数据压缩和维度转换特性，通过对缺失值的不断迭代，优化处理过程，实现动态的短时交通流预测。本发明有效改善了数据稀疏性产生的问题，提高了预测性能。

主权项

1.一种针对无差异性划分和数据稀疏的动态短时交通流预测系统，其特征在于，包括：数据源获取模块，用于获取在不同时间点某路口的过车记录以及车辆信息；路口相关性分析模块，根据获得数据源的交通流信息，得到预测路口在同一时间周期下的短时交通流时间序列短时交通流数据，采用层次聚类法，其主要思想是，先把每一个样本点看成一个聚类，然后不断重复的将其中最近的两个聚类合并，直到满足迭代终止条件，设置距离阈值，度量交通流相似性，加强预测路口内部相关性；短时交通流张量预测模型构建模块，结合时间维度、空间维度、时间周期维度，根据不同的周期维度建立不同的张量模型，从多个角度挖掘交通流变化趋势，根据路口相关性分析得到的强相关性路口，构建基于“路口‑X‑时段”的短时交通流张量预测模型，将预测路口的短时交通流数据填充进张量模型，基于较强相似性的交通流数据的分析提高了张量模型的泛化能力；预测和分析模块，预测和分析模块，利用构建的短时交通流预测张量模型对交通数据进行分析，通过引入滑动窗口，使构建的张量成为在时间序列上的动态张量流，利用张量分解的数据压缩和维度转换特性，通过对缺失值的逐次迭代，优化处理过程，结合交通流张量在时间上的动态特性，利用动态张量分解实现路口短时交通流的预测。