本發(fā)明涉及一種縱橫相似的高速公路短時(shí)交通量預(yù)測(cè)方法，屬于計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)領(lǐng)域。

背景技術(shù)：

目前，交通預(yù)測(cè)已經(jīng)被認(rèn)為是不同角度上的問(wèn)題：如時(shí)間序列問(wèn)題，回歸和函數(shù)逼近問(wèn)題，聚類(lèi)或模式識(shí)別問(wèn)題，甚至包含以上所有。Cheng等利用公路網(wǎng)絡(luò)的時(shí)空自相關(guān)結(jié)構(gòu)建立時(shí)空預(yù)測(cè)模型。Thomas等在對(duì)荷蘭阿爾梅羅市20個(gè)交叉路口進(jìn)行廣泛學(xué)習(xí)后，利用單時(shí)間序列進(jìn)行短期和長(zhǎng)期預(yù)測(cè)。Qi等提出一種自適應(yīng)單指數(shù)平滑法，通過(guò)近似動(dòng)態(tài)規(guī)劃優(yōu)化指數(shù)平滑系數(shù)對(duì)短期交通流進(jìn)行預(yù)測(cè)。Jiang等引入一種多元線性回歸最小絕對(duì)收縮和選擇算子方法(Lasso)結(jié)合神經(jīng)網(wǎng)絡(luò)(NN)的非線性特征，提出Lasso-NN組合模型。Xu等提出空間聚類(lèi)的短時(shí)交通量預(yù)測(cè)Cluster-NN模型。Wang等提出基于k最近鄰非參數(shù)回歸的預(yù)測(cè)方法。Xu等提出了自適應(yīng)權(quán)重粒子群神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)(PSOA-NN)模型。Li等使用帶有時(shí)間依賴結(jié)構(gòu)的支持向量機(jī)(SVM)提出一種模式來(lái)預(yù)測(cè)短期交通流量。Castillo等利用廣義Beta-Gaussian貝葉斯網(wǎng)絡(luò)提出適應(yīng)于隨機(jī)動(dòng)態(tài)需求的交通模型。Vlahogianni等將自回歸時(shí)間序列模型與神經(jīng)網(wǎng)絡(luò)結(jié)合對(duì)短期交通進(jìn)行測(cè)試。

綜上所述，在現(xiàn)有短時(shí)交通量預(yù)測(cè)中，通常要求操作人員對(duì)相關(guān)知識(shí)有較深的理解和掌握，不利于大范圍推廣應(yīng)用。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種縱橫相似的高速公路短時(shí)交通量預(yù)測(cè)方法，是根據(jù)交通量序列的同期相似和近期相似結(jié)合歷史分布規(guī)律進(jìn)行預(yù)測(cè)。首先將交通量數(shù)據(jù)按照一年內(nèi)的第幾周和每周的第幾天的規(guī)則進(jìn)行標(biāo)定周數(shù)和天數(shù)，并將數(shù)據(jù)按照標(biāo)定的天數(shù)進(jìn)行分類(lèi)。將不同年相同周數(shù)相同天數(shù)的交通量數(shù)據(jù)構(gòu)建為縱向數(shù)據(jù)序列矩陣、相同年內(nèi)被預(yù)測(cè)天前一周的交通量數(shù)據(jù)構(gòu)建為橫向數(shù)據(jù)序列矩陣，分別計(jì)算縱向序列和橫向序列的平均合向量，通過(guò)縱向序列和橫向序列平均合向量序列的加權(quán)求和獲得縱橫序列合向量。然后通過(guò)預(yù)測(cè)單天總體交通量，結(jié)合單天內(nèi)的交通量分布規(guī)律得到分布規(guī)律數(shù)據(jù)序列向量，根據(jù)縱橫序列合向量和分布規(guī)律數(shù)據(jù)序列向量加和平均確定最終的交通量預(yù)測(cè)數(shù)據(jù)序列向量，由此完成短時(shí)交通量的預(yù)測(cè)過(guò)程；其提高了交通量預(yù)測(cè)中季節(jié)性的抗干擾能力，擴(kuò)大短時(shí)交通量預(yù)測(cè)方法的應(yīng)用范圍。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：縱橫相似的高速公路短時(shí)交通量預(yù)測(cè)方法，其特征在于所采用設(shè)備為服務(wù)器A、服務(wù)器B、服務(wù)器C、計(jì)算機(jī)；其中服務(wù)器A為現(xiàn)有系統(tǒng)服務(wù)器、服務(wù)器B為數(shù)據(jù)ETL服務(wù)器、服務(wù)器C為數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器；服務(wù)器A中的原始數(shù)據(jù)通過(guò)服務(wù)器B進(jìn)行相應(yīng)規(guī)則的清洗轉(zhuǎn)換最終加載到服務(wù)器C中，計(jì)算機(jī)通過(guò)報(bào)表展示系統(tǒng)獲取數(shù)據(jù)進(jìn)行展現(xiàn)和分析；其具體的步驟如下：

步驟1、將高速公路收費(fèi)數(shù)據(jù)按半小時(shí)分段以及日期進(jìn)行匯總統(tǒng)計(jì)半小時(shí)交通量和單天交通量數(shù)據(jù)；

步驟2、根據(jù)半小時(shí)交通量數(shù)據(jù)構(gòu)建縱向數(shù)據(jù)序列矩陣為，其中表示交通序列向量，a=1，2，…，n表示從最早一年開(kāi)始的第幾年,b =1，2，…，n，表示第a年中的第幾周，c =1，2，3，4，5，6，7表示a年b周中的第幾天,k=1，2，…，48 ，表示a年b周中第c天的序列向量中的第幾維，即第幾個(gè)數(shù)據(jù)；

步驟3、根據(jù)不同的k值將步驟2中的縱向數(shù)據(jù)序列矩陣中分為k個(gè)序列，每個(gè)序列分別利用線性回歸中的最小二乘法進(jìn)行規(guī)劃求解，得出下一個(gè)求解結(jié)果，將這k個(gè)結(jié)果按k值從小到大組合成縱向序列平均合向量；

步驟4、構(gòu)建橫向數(shù)據(jù)序列矩陣，在構(gòu)建橫向數(shù)據(jù)序列矩陣時(shí)選取被預(yù)測(cè)日前一周的數(shù)據(jù)；

步驟5、計(jì)算橫向序列平均合向量，根據(jù)橫向數(shù)據(jù)序列矩陣中的7天數(shù)據(jù)加權(quán)求和獲得，其中，因第1天的數(shù)據(jù)與被預(yù)測(cè)日的數(shù)據(jù)同為一類(lèi)，故賦予較大權(quán)值，其余平均分配；

步驟6、確定縱向平均合向量和橫向平均合向量的權(quán)值分配, 通過(guò)計(jì)算向量相似系數(shù)來(lái)確定加權(quán)系數(shù), 設(shè)縱向平均合向量的加權(quán)系數(shù)為，因兩者的加權(quán)系數(shù)之和為1，則橫向平均合向量的加權(quán)系數(shù)為，利用下式求取值；

步驟7、根據(jù)步驟6中計(jì)算出的權(quán)值計(jì)算縱向平均合向量和橫向平均合向量加權(quán)求和所獲得縱橫序列合向量；

步驟8、利用步驟1中匯總的單天交通量數(shù)據(jù)構(gòu)建單天總體交通量序列向量，其中表示一個(gè)表示a年b周中第c天的總體交通量，其中a=1，2，…，n，表示從最早一年開(kāi)始的第幾年,b=1，2，…，n，表示第a年中的第幾周；c=1，2，3，4，5，6，7表示a年b周中的第幾天；

步驟9、利用線性回歸中的最小二乘法對(duì)步驟8中的向量進(jìn)行規(guī)劃求解，得出下一個(gè)求解結(jié)果；

步驟10、分析多組半小時(shí)交通量數(shù)據(jù)可得出每天的交通量分布基本一致，可通過(guò)各時(shí)段的交通量在總體中的占比得出交通量分布律；

步驟11、將步驟9中得到的求解結(jié)果按照步驟10中得到的分布律計(jì)算分布規(guī)律數(shù)據(jù)序列向量；

步驟12、將步驟7中得到的縱橫序列合向量和步驟11中得到的分布規(guī)律數(shù)據(jù)序列向量按照加和平均進(jìn)行疊加得到最終的交通量預(yù)測(cè)數(shù)據(jù)序列向量；

利用以上步驟可以得到高速公路短時(shí)交通量預(yù)測(cè)數(shù)據(jù)。

本發(fā)明積極效果是根據(jù)交通量序列的同期相似和近期相似結(jié)合歷史分布規(guī)律進(jìn)行預(yù)測(cè)，大幅度降低交通量預(yù)測(cè)中季節(jié)性干擾；其優(yōu)點(diǎn)在于：

1. 本發(fā)明中的高速公路短時(shí)交通量預(yù)測(cè)方法利用歷史同期數(shù)據(jù)進(jìn)行預(yù)測(cè)，能大幅度降低交通量的季節(jié)性因素的影響。

2.本發(fā)明中的高速公路短時(shí)交通量預(yù)測(cè)方法結(jié)合半小時(shí)分段的分布規(guī)律能更好的使預(yù)測(cè)結(jié)果符合實(shí)際情況。

3.本發(fā)明中的高速公路短時(shí)交通量預(yù)測(cè)方法對(duì)交通量序列的同期相似和近期相似進(jìn)行分析研究，具有應(yīng)用的延續(xù)性。

附圖說(shuō)明

圖1 縱橫相似的高速公路短時(shí)交通量預(yù)測(cè)方法所需設(shè)備結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的描述：如圖1所示，縱橫相似的高速公路短時(shí)交通量預(yù)測(cè)方法，采用設(shè)備為服務(wù)器A1、服務(wù)器B2、服務(wù)器C3、計(jì)算機(jī)4；服務(wù)器A1為現(xiàn)有系統(tǒng)服務(wù)器、服務(wù)器B2為數(shù)據(jù)ETL服務(wù)器、服務(wù)器C3為數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器；服務(wù)器A1中的原始數(shù)據(jù)通過(guò)服務(wù)器B2進(jìn)行相應(yīng)規(guī)則的清洗轉(zhuǎn)換最終加載到服務(wù)器C3中，計(jì)算機(jī)4通過(guò)報(bào)表展示系統(tǒng)獲取數(shù)據(jù)進(jìn)行展現(xiàn)和分析；其具體的步驟如下：

步驟1、將高速公路收費(fèi)數(shù)據(jù)按半小時(shí)分段以及日期進(jìn)行匯總統(tǒng)計(jì)半小時(shí)交通量和單天交通量數(shù)據(jù)；

步驟2、根據(jù)半小時(shí)交通量數(shù)據(jù)構(gòu)建縱向數(shù)據(jù)序列矩陣為，其中表示交通序列向量，a=1，2，…，n表示從最早一年開(kāi)始的第幾年,b =1，2，…，n，表示第a年中的第幾周，c =1，2，3，4，5，6，7表示a年b周中的第幾天,k=1，2，…，48 ，表示a年b周中第c天的序列向量中的第幾維，即第幾個(gè)數(shù)據(jù)；

步驟3、根據(jù)不同的k值將步驟2中的縱向數(shù)據(jù)序列矩陣中分為k個(gè)序列，每個(gè)序列分別利用線性回歸中的最小二乘法進(jìn)行規(guī)劃求解，得出下一個(gè)求解結(jié)果，將這k個(gè)結(jié)果按k值從小到大組合成縱向序列平均合向量；

步驟4、構(gòu)建橫向數(shù)據(jù)序列矩陣，在構(gòu)建橫向數(shù)據(jù)序列矩陣時(shí)選取被預(yù)測(cè)日前一周的數(shù)據(jù)；

步驟5、計(jì)算橫向序列平均合向量，根據(jù)橫向數(shù)據(jù)序列矩陣中的7天數(shù)據(jù)加權(quán)求和獲得，其中，因第1天的數(shù)據(jù)與被預(yù)測(cè)日的數(shù)據(jù)同為一類(lèi)，故賦予較大權(quán)值，其余平均分配；

步驟6、確定縱向平均合向量和橫向平均合向量的權(quán)值分配, 通過(guò)計(jì)算向量相似系數(shù)來(lái)確定加權(quán)系數(shù), 設(shè)縱向平均合向量的加權(quán)系數(shù)為，因兩者的加權(quán)系數(shù)之和為1，則橫向平均合向量的加權(quán)系數(shù)為，利用下式求取值；

步驟7、根據(jù)步驟6中計(jì)算出的權(quán)值計(jì)算縱向平均合向量和橫向平均合向量加權(quán)求和所獲得縱橫序列合向量；

步驟8、利用步驟1中匯總的單天交通量數(shù)據(jù)構(gòu)建單天總體交通量序列向量，其中表示一個(gè)表示a年b周中第c天的總體交通量，其中a=1，2，…，n，表示從最早一年開(kāi)始的第幾年,b=1，2，…，n，表示第a年中的第幾周；c=1，2，3，4，5，6，7表示a年b周中的第幾天；

步驟9、利用線性回歸中的最小二乘法對(duì)步驟8中的向量進(jìn)行規(guī)劃求解，得出下一個(gè)求解結(jié)果；

步驟10、分析多組半小時(shí)交通量數(shù)據(jù)可得出每天的交通量分布基本一致，可通過(guò)各時(shí)段的交通量在總體中的占比得出交通量分布律；

步驟11、將步驟9中得到的求解結(jié)果按照步驟10中得到的分布律計(jì)算分布規(guī)律數(shù)據(jù)序列向量；

步驟12、將步驟7中得到的縱橫序列合向量和步驟11中得到的分布規(guī)律數(shù)據(jù)序列向量按照加和平均進(jìn)行疊加得到最終的交通量預(yù)測(cè)數(shù)據(jù)序列向量；

利用以上步驟可以得到高速公路短時(shí)交通量預(yù)測(cè)數(shù)據(jù)。