[发明专利]基于模糊马尔可夫过程的路网交通状态预测方法

摘要

一种基于模糊马尔可夫过程的路网交通状态预测方法，包括以下步骤：选定待预测交通状态的路网区域，以固定时间间隔采集区域内各交叉口历史交通流量数据；根据道路服务水平及饱和度之间关系提出一种交叉口状态界定方法，利用所述交叉口状态界定方法对所述区域内各交叉口的状态进行界定；根据所述界定方法及马尔可夫过程，由交叉口当前状态预测下一时刻状态；根据各交叉口历史数据及预测数据计算出模糊评价矩阵；对所述路网区域内的各个交叉口进行分类，并由类型权重及所述模糊评价矩阵计算路网运行状态向量，由此向量可得到预测时刻的路网交通状态。本发明能够对路网整体交通状态进行预测，且计算简单、实时性高，具有良好的预测效果。

主权项

1.一种基于模糊马尔可夫过程的路网交通状态预测方法，包括以下步骤：1)在选定待预测路网交通状态的路网区域以后，以固定时间间隔采集此区域内各个交叉口的历史交通流量数据；2)为便于量化计算，根据道路服务水平及饱和度之间的关系，建立饱和度值和量化值的映射，由此根据饱和度值界定交通状态；3)根据步骤1)中所得交叉口历史交通流量数据，利用马尔可夫过程特性计算得到交叉口状态转移矩阵P；4)假设已知交叉口当前时刻状态向量为A_t，计算得出交叉口下一时刻状态向量为A_t+1＝A_t P，从而获得交叉口下一时刻交通状态，其中P为步骤3)中所述状态转移矩阵；5)对所述路网区域内的各个交叉口进行分类，并确定各类型的数目以及权重向量B；6)考虑步骤2)中所界定的交通状态分别在预测以及历史下一时刻中所占的数目情况，计算出模糊评价矩阵M；7)根据步骤5)中所述交叉口类型权重向量B以及步骤6)中所述模糊评价矩阵M，计算得到路网运行状态向量A，从而获得所述路网区域的交通状态；步骤1)中所述采集历史交通流量数据的固定时间间隔是指5分钟或15分钟或30分钟或60分钟；步骤2)中所述映射关系具体是指：饱和度小于等于0.3为畅通状态，饱和度大于0.3小于等于0.6为轻微拥挤状态，饱和度大于0.6小于等于0.9为拥挤状态，饱和度大于0.9为严重拥挤状态，即界定出了四种交通状态；步骤3)中所述状态转移矩阵P是一个4×4矩阵，所述四种状态中的每一种都将转移或不转移成四种状态中的任意一种，如式(1)所示：其中，p_ij代表当前时刻交叉口状态为j，j＝1,2,3,4，下一时刻状态为i的概率，i＝1,2,3,4；步骤5)中所述交叉口分类方法按照如下原则进行：主干路与主干路相交的交叉口作为第1类交叉口，主干路与次干路相交的交叉口作为第2类交叉口，主干路与支路相交的交叉口作为第3类交叉口，次干路与次干路相交的交叉口作为第4类交叉口，次干路与支路相交的交叉口作为第5类交叉口，支路与支路相交的交叉口作为第6类交叉口，即定义了六种交叉口类型；步骤5)中所述各类型交叉口的数目用b₁，b₂，b₃，b₄，b₅，b₆表示，则所述权重向量B如式(2)所示：B＝(B₁ B₂ B₃ B₄ B₅ B₆)(2)其中，B_i＝b_i/(b₁+b₂+b₃+b₄+b₅+b₆)，即B_i为交叉口各类型所占数目与交叉口总数的比值，i＝1,2,3,4,5,6；步骤6)中所述模糊评价矩阵M是一个6×4矩阵，所述六类交叉口中的每一类都会有四种交通状态的可能，如式(3)所示：其中，模糊评价矩阵因子m_qi表示路网中第q类交叉口的状态为i的概率，q＝1,2,3,4,5,6；i＝1,2,3,4；所述模糊评价矩阵因子m_qi由式(4)计算得到：其中，x_i为马尔可夫过程预测的交叉口交通状态界定值，y_i为历史数据中下一时刻交叉口交通状态界定值，i＝1,2,3,4，u为调整参数，取0.75；步骤7)中所述路网运行向量A如式(5)所示：A＝(A₁ A₂ A₃ A₄)(5)所述路网运行状态向量的各分量由式(6)计算得到：其中，B_j为交叉口各类型所占数目与交叉口总数的比值，m_ji是模糊评价矩阵因子；步骤2)中所述量化值具体是指将四类交通状态：畅通，轻微拥挤，拥挤，严重拥堵分别对应为数值1,2,3,4；步骤4)中所述交叉口当前或下一时刻状态向量的四个分量分别代表步骤2)中所述四种交通状态的概率值，其中最大的分量代表当前或下一时刻交叉口的状态；步骤7)中所述路网运行状态向量的四个分量分别代表步骤2)中所述四种交通状态的概率值，其中最大的分量代表路网交通状态。