[发明专利]一种交通拥堵指数的预测方法

说明书

本发明涉及实时交通领域，尤其涉及一种交通拥堵指数的预测方法，获取待测路网的当前时刻的上一时段的历史同期相同时段的历史交通拥堵指数；获取待测路网的当前时刻的上一时段的交通拥堵指数变化趋势；根据所述历史交通拥堵指数和所述交通拥堵指数变化趋势来预测待测路网的当前时刻的下一时段的交通拥堵指数，从而预测的准确度较高，能准确预测交通状况。

技术领域

本发明涉及实时交通领域，尤其涉及一种交通拥堵指数的预测方法。

背景技术

随着智能交通系统日益普及，实时交通流量在智能交通系统内的应用越来越广泛与深入，如使用导航系统。目前，交通拥堵指数的预测方法一般有两种，第一种是每隔一段时间(如10s、30s、1分钟或2分钟等)发布一次道路的实时交通拥堵指数；第二种是选取时间尺度较大(例如年、月、日)的历史交通拥堵指数进行预测。现有技术中发布的实时交通数据即为当前时刻道路的实时交通情况，但是并不能发布未来某一时段的交通流数据。但是在实际生活中，越来越多的用户为了提前合理的安排行程更期望能够提前获知某些道路、或者某些区域的交通数据，因此，现有的发布实时交通流数据的方式并不能满足用户的这种需求。

发明内容

本发明的目的是提供一种交通拥堵指数的预测方法，其能够准确预测交通拥堵指数。

本发明提供一种交通拥堵指数的预测方法，获取待测路网的当前时刻的上一时段的历史同期相同时段的历史交通拥堵指数；获取待测路网的当前时刻的上一时段的交通拥堵指数变化趋势；根据所述历史交通拥堵指数和所述交通拥堵指数变化趋势来预测待测路网的当前时刻的下一时段的交通拥堵指数。

其中，对当前时刻的上一时段的交通拥堵指数与历史同期相同时段的拥堵指数的相近程度进行计算。

其中，交通拥堵指数预测采用K近邻预测算法对历史交通拥堵指数进行搜索，搜索出最相似的K个历史状态向量，再根据所对应的K个交通拥堵指数计算预测值。

其中，利用欧氏距离计算方法计算预测状态向量与历史状态向量之间的差异。

其中，通过对各影响因素进行加权修正从而算出所述差异。

其中，采用遗传算法进行权重优化计算。

有益效果：本发明一种交通拥堵指数的预测方法，因为交通拥堵指数变化趋势可以真实的反映一段时间交通拥堵指数的变化规律，所以根据历史交通拥堵指数和交通拥堵指数变化趋势预测路网的当前时刻的下一时段的交通拥堵指数，预测的准确度较高，能准确预测交通状况。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明交通拥堵指数的预测流程框图。

图2是本发明交通拥堵指数的K近邻预测中K＝3时的邻居选取方式示意图。

图3是本发明交通拥堵指数的时间序列相近程度分析图。

图4是是本发明交通拥堵指数的遗传算法优化参数流程图。

具体实施方式

结合以下实施例对本发明作进一步描述。

交通拥堵指数是交通参数的一种，交通参数普遍具有随机性、周期性的特点，难以用简单的数学公式进行模拟预测，本申请选择基于K近邻预测算法。