專利名稱：一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息技術(shù)領(lǐng)域，涉及一種根據(jù)實時數(shù)據(jù)動態(tài)構(gòu)建和調(diào)整模型的高速公路出口流量預(yù)測方法。
背景技術(shù)：
現(xiàn)有交通流量的預(yù)測方法主要針對的是鋪設(shè)了檢測器的道路的交通流量，一般過程是利用上游交通流數(shù)據(jù)預(yù)測下游目標位置的交通流量，交通流預(yù)測方法從模型結(jié)構(gòu)的角度可以分為兩類，參數(shù)模型、非參數(shù)模型。參數(shù)模型的優(yōu)點是模型簡單，計算速度快，缺點是事先根據(jù)經(jīng)驗或觀察得到的模型假設(shè)可能與真實場景不一致，預(yù)測不準確；非參數(shù)模型并非指模型中不存在參數(shù)，而是相對于參數(shù)模型在確定的結(jié)構(gòu)下訓(xùn)練得到其參數(shù)而言，非參數(shù)模型的結(jié)構(gòu)不是事先確定好的，而是完全由數(shù)據(jù)決定的，其基本思想是在歷史數(shù)據(jù)庫中尋找與當前狀態(tài)相似的歷史狀態(tài)，并把與當前點匹配的歷史狀態(tài)應(yīng)用于狀態(tài)預(yù)測，這類方法認為系統(tǒng)所有的因素之間的內(nèi)在聯(lián)系都蘊涵在歷史數(shù)據(jù)中，因此直接從歷史數(shù)據(jù)中得到信息而不是為歷史數(shù)據(jù)建立一個近似模型，具有可移植性強、預(yù)測精度高等優(yōu)點，而其缺點是預(yù)測場景中出現(xiàn)了歷史上不曾出現(xiàn)的新模式時，準確度往往較低。

發(fā)明內(nèi)容
本發(fā)明一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，所要解決的技術(shù)問題是現(xiàn)有交通流預(yù)測技術(shù)無法適用于收費數(shù)據(jù)環(huán)境下的動態(tài)性強的出口流量預(yù)測問題，利用動態(tài)數(shù)據(jù)驅(qū)動思想的動態(tài)模型構(gòu)建和調(diào)整的方法，準確預(yù)測高速公路收費數(shù)據(jù)的出口流量。為解決上述問題，本發(fā)明采取的技術(shù)方案主要步驟為1)統(tǒng)計獲得目標出口流量的主要來源及其時間延遲；2)以主要來源的帶有時間延遲的入口流量為特征，建立參數(shù)模型與非參數(shù)模型；3)基于歷史的誤差數(shù)據(jù)的假設(shè)檢驗判斷交通狀態(tài)，根據(jù)交通狀態(tài)動態(tài)采用參數(shù)模型或非參數(shù)模型；4)對誤差數(shù)據(jù)建立隨機森林的組合模型，將其預(yù)測結(jié)果與出口流量預(yù)測結(jié)果相加，實現(xiàn)對誤差的糾正，當新的誤差數(shù)據(jù)到來，使用最新數(shù)據(jù)建立新的子模型加入到森林模型中，淘汰森林模型中時間最早的子模型，實現(xiàn)森林模型的更新。本發(fā)明一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法與現(xiàn)有技術(shù)相比，其優(yōu)點主要在于動態(tài)模型選擇和動態(tài)模型調(diào)整。1)動態(tài)模型選擇本發(fā)明首先為出口流量預(yù)測問題建立參數(shù)模型和非參數(shù)模型。在參數(shù)模型中，詳細分析出口流量的物理構(gòu)成，選擇其主要的流量來源，分析各個來源入口到達目標出口的旅行時間，從而確定入口流量與出口流量的時間延遲，將相應(yīng)時間段的入口流量加和得到目標出口流量的預(yù)測值。該模型以流量的產(chǎn)生的物理機制為基礎(chǔ)，當來源入口產(chǎn)生異常流量時，出口流量的預(yù)測能夠相應(yīng)調(diào)整，因而該參數(shù)模型能夠適應(yīng)流量異常的情況。參數(shù)模型限定了出入口流量的關(guān)系形式，雖然能夠刻畫流量的大體趨勢，但對細節(jié)的復(fù)雜變化描述不足。非參數(shù)模型基于歷史數(shù)據(jù)，直接從歷史數(shù)據(jù)中得到信息而不是為歷史數(shù)據(jù)建立一個近似模型，預(yù)測精度高。本發(fā)明中，采用目標出口的主要來源入口的流量作為特征，在歷史數(shù)據(jù)庫中尋找與當前狀態(tài)相似的歷史狀態(tài)，并把與當前點匹配的歷史狀態(tài)應(yīng)用于當前狀態(tài)預(yù)測。非參數(shù)模型在正常交通狀態(tài)下預(yù)測精度高，參數(shù)模型在異常狀態(tài)下具有適應(yīng)性。 本發(fā)明提出兩種模型的動態(tài)選擇機制，利用近期幾個時刻的預(yù)測偏差，建立假設(shè)檢驗，判別當前路網(wǎng)中的交通狀態(tài)是否異常，從而動態(tài)選擇模型形式。2)動態(tài)模型調(diào)整出口流量預(yù)測問題的一個重要特點是，當前時刻的流量便是上一時刻預(yù)測的目標，可以實時得到上次預(yù)測結(jié)果的偏差，利用該信息可以實時對模型進行調(diào)整，以及時修正模型存在的偏差。本發(fā)明使用組合模型建立輸入變量與偏差的關(guān)系，利用輸入變量得到預(yù)測結(jié)果的同時，計算得到偏差的預(yù)測結(jié)果，兩者相加得到最終結(jié)果。下一時刻確定預(yù)測結(jié)果的偏差后，將該偏差與前幾時刻的偏差共同建立一個新的子模型加入到組合模型當中完成偏差模型的更新。本發(fā)明的有益效果是，根據(jù)數(shù)據(jù)的變化動態(tài)的選擇參數(shù)模型與非參數(shù)模型，每次預(yù)測的偏差用于更新偏差模型，動態(tài)的糾正預(yù)測模型的偏差，有效提高出口流量預(yù)測的準確度。


下面結(jié)合附圖對本發(fā)明一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法作進一步描述 圖1是本發(fā)明的整體流程圖；圖2是本發(fā)明的動態(tài)糾偏模型示意圖。
具體實施例方式圖1為本發(fā)明的整體流程圖，第一步，通過統(tǒng)計獲得目標出口流量主要來源及時間延遲；預(yù)測是綜合研究事物內(nèi)在聯(lián)系延續(xù)與突變的過程。這個過程實際上是從過去和現(xiàn)在已知的情況出發(fā)，利用一定的方法和技術(shù)探索或模擬不可知的或復(fù)雜的中間過程，推斷出未來的結(jié)果，出口流量預(yù)測模型的已知信息包括過去的所有站點的出入口流量，要預(yù)測的是目標站點下一時刻的出口流量；出口流量本質(zhì)上由過去一段時間由其他站點進入行駛過來的車輛構(gòu)成，因此，本技術(shù)主要依據(jù)過去一段時間其他站點的入口流量來預(yù)測目標站點下一時刻的出口流量，流量為一段時間內(nèi)經(jīng)過某一斷面的車輛數(shù)，本發(fā)明中取時間間隔為15分鐘，tk為一天中第k個時間間隔，即為[(k-l)*15，k*15]的時間段，具體方法為(1)主要OD的選取設(shè)路網(wǎng)所有入口站點集合為0，出口站點集合為D，目標站點為第k個出口站點 dk e D，dk的車輛可能來自0中的所有入口站點，而其中多數(shù)站點行駛至dk的流量較小，選擇目標出口的車輛主要來源，一方面能減少輸入的變量數(shù)，簡化模型，另一方面能減少輸入中的噪聲。 設(shè)f: ,為tk時間段內(nèi)從入口 i進入，目的地為出口 k的車輛數(shù)為tk時間段內(nèi)從出口 j離開，來源地為入口 i的車輛數(shù)。為tk時間段內(nèi)從入口 i進入的車輛數(shù)；f，、:J為tk時間段內(nèi)從出口 j離開的車輛數(shù)取一段時間(例如一個月)的歷史數(shù)據(jù)進行統(tǒng)計，入口 i對出口 j的平均流量貢獻率為
權(quán)利要求
1.一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，其特征在于，主要步驟為1)統(tǒng)計獲得目標出口流量的主要來源及其時間延遲；2)以主要來源的帶有時間延遲的入口流量為特征，建立參數(shù)模型與非參數(shù)模型；3)基于歷史的誤差數(shù)據(jù)的假設(shè)檢驗判斷交通狀態(tài)，根據(jù)交通狀態(tài)動態(tài)采用參數(shù)模型或非參數(shù)模型；4)對誤差數(shù)據(jù)建立隨機森林的組合模型，將其預(yù)測結(jié)果與出口流量預(yù)測結(jié)果相加，實現(xiàn)對誤差的糾正，當新的誤差數(shù)據(jù)到來，使用最新數(shù)據(jù)建立新的子模型加入到森林模型中， 淘汰森林模型中時間最早的子模型，實現(xiàn)森林模型的更新。
2.根據(jù)權(quán)利要求1所述的動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，其特征在于 步驟1)所述目標出口流量的主要來源是通過已知過去所有納入統(tǒng)計站點的出入口流量而預(yù)測得知。
3.如權(quán)利要求1所述的動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，其特征在于步驟2)所述參數(shù)模型以主要入口流量之和占出口流量比例作為修正值。
4.如權(quán)利要求1所述的動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，其特征在于步驟4)所述隨機森林是一種組合模型，由一組簡單的決策樹組成，每當有新的偏差數(shù)據(jù)加入，可以快速訓(xùn)練新的決策樹，森林可以方便的加入新決策樹，淘汰老決策樹，從而準確估計當前的偏差。
全文摘要
本發(fā)明公開了一種動態(tài)數(shù)據(jù)驅(qū)動的高速公路出口流量預(yù)測方法，具體涉及一種根據(jù)實時數(shù)據(jù)動態(tài)構(gòu)建和調(diào)整模型的高速公路出口流量預(yù)測方法，所要解決的技術(shù)問題是現(xiàn)有交通流預(yù)測技術(shù)無法適用收費數(shù)據(jù)環(huán)境下的動態(tài)性強的出口流量預(yù)測問題，本發(fā)明利用動態(tài)數(shù)據(jù)驅(qū)動思想的動態(tài)模型構(gòu)建和調(diào)整的方法，基于歷史的誤差數(shù)據(jù)判斷交通狀態(tài)，根據(jù)交通狀態(tài)動態(tài)選擇采用參數(shù)模型或非參數(shù)模型，對誤差數(shù)據(jù)建立隨機森林的組合模型，將其預(yù)測結(jié)果與出口流量預(yù)測結(jié)果相加，實現(xiàn)對誤差的糾正，并使用實時產(chǎn)生的誤差數(shù)據(jù)動態(tài)更新森林模型，最終準確預(yù)測高速公路收費數(shù)據(jù)的出口流量，其技術(shù)在交通流預(yù)測方向應(yīng)用前景廣闊。
文檔編號G08G1/065GK102521989SQ201110460070
公開日2012年6月27日 申請日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者宋國杰, 張明欣, 牛錚, 續(xù)宏, 聶承凱, 董新品, 謝昆青 申請人:山西省交通規(guī)劃勘察設(shè)計院