[发明专利]一种基于时空相关性的短时交通流预测方法在审
| 申请号： | 201810772451.5 | 申请日： | 2018-07-13 |
| 公开（公告）号： | CN108877223A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 戚湧;熊亭;张伟斌 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06Q10/04;G06Q50/30 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于时空相关性的短时交通流预测方法。该方法步骤为：选定需要进行交通流预测的路段以及该路段中的断点，获取所选路段中所有断点的短时交通流量历史数据，并确定短时交通流预测的预测时段，验证预测断点的历史交通流量数据是否具有周期性；利用归一化方法对交通流数据进行归一化处理后，将数据集划分为训练数据集和测试数据集；利用SARIMA模型对测试数据集进行预测分析，得到初始预测结果；将该预测结果作为一项输入特征，带入随机森林模型，得到最终的预测结果；将测试数据集与最终的预测数据进行比较，并分析误差。本发明方法将流量数据分解成带有明显趋势的周期性部分和随机波动部分加以分析，提高了交通流量数据的预测精度。 | ||
| 搜索关键词： | 短时交通流预测 测试数据集 预测结果 断点 预测 流量数据 路段 交通流量 交通流量数据 归一化处理 交通流数据 交通流预测 训练数据集 时空 历史交通 历史数据 输入特征 随机波动 随机森林 预测数据 分析 归一化 数据集 验证 分解 | ||
【主权项】：
1.一种基于时空相关性的短时交通流预测方法，其特征在于，包括以下步骤：步骤1，选定需要进行交通流预测的路段以及该路段中的断点，获取所选路段中所有断点的短时交通流量历史数据；步骤2，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3，根据断点的短时交通流量历史数据，验证预测断点的历史交通流量数据是否具有周期性；步骤4，利用归一化方法对交通流数据进行归一化处理，将归一化后的数据集划分为训练数据集和测试数据集；步骤5，利用SARIMA模型对测试数据集进行预测分析，得到初始预测结果；步骤6，将SARIMA模型得到的预测结果作为一项输入特征，带入随机森林模型，得到最终的预测结果；步骤7，将测试数据集与最终的预测数据进行比较，并分析误差。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810772451.5/，转载请声明来源钻瓜专利网。
