[发明专利]基于指数平滑的预测交通流数据的方法和系统

说明书

技术领域

本发明涉及交通流预测领域，尤其涉及一种基于指数平滑的预测交通流数据的方法和系统。

背景技术

交通控制与诱导系统是智能交通系统(ITS)研究的热门核心问题，而实现交通流诱导系统的关键问题是实时准确的交通流数据预测，即如何有效地利用实时交通数据信息（即时序流）去滚动预测未来几分钟的交通状况。实时准确的交通流数据能给出行者提供实时有效的信息，帮助他们更好地进行路径选择，实现路径诱导，以缩减出行时间，减少交通拥堵。

目前，交通流预测模型与方法主要有Kalman滤波、神经网络模型、指数平滑。然而，Kalman滤波在每次计算都要调整权值，需要大量的矩阵和向量运算，算法较复杂，难以用于在线预测。神经网络模型只有简单的外部权值处理能力而不具备复杂的内部转移函数处理能力，因而存在局部极小，收敛速度慢等不足。指数平衡法总是会出现滞后误差，经过多次计算误差累计将会造成预测值不精确。

发明内容

本发明所要解决的技术问题之一是需要提供一种基于指数平滑的预测交通流数据的方法，该方法的测量数据更加可靠且误差较小。此外，还提供了一种基于指数平滑的预测交通流数据的系统。

为了解决上述技术问题，本发明提供了一种基于指数平滑的预测交通流数据的方法，包括：预处理步骤，对所采集的交通数据进行预处理；纠差步骤，根据指数平滑法对经过预处理的交通数据进行滤波，并对该滤波结果进行反向递推，以消除所述滤波结果中的误差；预测步骤，通过三次指数平滑预测模型对消除误差后的交通数据进行预测，以得到交通流预测信息。

在一个实施例中，所述预处理步骤进一步包括设定上限阈值和下限阈值；将所采集的各个交通数据分别与所述上限阈值和下限阈值进行实时比较，若该交通数据大于所述上限阈值或小于所述下限阈值，则将所述交通数据替换为其前一时刻的交通数据。

在一个实施例中，在所述预处理步骤中，若某一时刻所采集的交通数据出现缺失时，则将其前一时刻与后一时刻的交通数据的均值作为本时刻的交通数据。

在一个实施例中，在所述纠差步骤中，通过以下表达式对所述交通数据进行滤波：

s(t)=ay(t)+(1-a)s(t-1)s′(t)=as(t)+(1-a)s′(t-1)s′′(t)=as′(t)+(1-a)s′′(t-1)]]>