一種智能斑馬線護欄的制作方法
【專利摘要】本發(fā)明一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相連的預測裝置，所述預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊。本發(fā)明預測精度較高且構(gòu)造的預測模型更有針對性。
【專利說明】
一種智能斑馬線護欄
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及智能交通領(lǐng)域，具體涉及一種智能斑馬線護欄。
【背景技術(shù)】
[0002] 交通流量是指單位時間內(nèi)通過道路某一斷面的實際車輛數(shù)，是描述交通狀態(tài)的重 要特征參數(shù)。交通流量的變化又是一個實時、高維、非線性、非平穩(wěn)的隨機過程，相關(guān)因素的 變化都可能影響下一時刻的交通流量。相關(guān)技術(shù)中，關(guān)于短時的預測裝置局限性強，預測精 度較低，實時預測未能取得令人滿意的結(jié)果，未能對人們的實時道路選擇提供有效建議，從 而交通流量預測大部分停留在交通流量的中長期預測。
【發(fā)明內(nèi)容】
[0003] 針對上述問題，本發(fā)明提供一種智能斑馬線護欄。
[0004] 本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：
[0005] -種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相連的預測裝置，所述斑 馬線護欄包括：
[0006] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0007] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0008] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0009] 每測試層在一個采用時間的平均風速的計算公式為：
[0010] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮海瑸楫數(shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0011] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0012] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0013] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0014] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0015] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0016] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0017] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0018] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0019]優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0020] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0021] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0022] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0023] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列t與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0025] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，X x+t表示Xx 在時間延遲t后的交通流量序列，vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0026] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0027] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 晃=^(1)，夂(2)，...，.'.(")}，11(〇表示觀測路段51在七時刻的流量，幻(〇表示預測路段&在七時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0029] 空間相關(guān)系數(shù)Pdw)的計算公式為： 1 &和&雙向可通行
[0030] 0.5 5，和&單向可通行； 0 岑和弋不可通行
[0031] 優(yōu)選地，預測裝置還包括：
[0032] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0033] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段51與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (丁）'，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為： Ai(°)' Ay(°)' - Piv/(〇)'
[_冰)'=~W~⑴，…1 ??? _
[0035]時空相關(guān)系數(shù)P^(t)'的計算公式為：
[0036] Pij(x)' =Pij(x)Pij(w)；
[0037] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0038] -[/?.,(/) p.J^)
[0039] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為義/,,,(〇 =卜,,"(丫),~(2),-丨(")_|，所^ 關(guān)系數(shù)P#(t)的計算公式為：
[0041] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值h和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0042] 若Pij(〇 ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，則第一預測因子X '可表述成如下矩陣形式： x2'(l) ...
[0043] 七⑴七⑵.....％(2); v，'，. . >:v. ? >:->. > .v2(/?-Lj) ... xp{n-L^)
[0044]若P#(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0045] r-[v，W v：(/) ... v；(/)
[0046] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0047] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0048] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0049] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0050] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0051] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0052] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0053]本發(fā)明的有益效果為：
[0054] 1、設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造的預測 模型更有針對性；
[0055] 2、設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成 模塊、預測因子選取模塊和預測模型構(gòu)造模塊，其中預測因子直接影響預測精度，相關(guān)系數(shù) 是測量隨機變量相關(guān)性的指標，能夠幫助選取與預測點密切相關(guān)的變量作為預測模型的訓 練樣本，選取多個相關(guān)系數(shù)作為預測因子，消除了最初預測因子選取的主觀性，能夠增加預 測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確；
[0056] 3、相關(guān)系數(shù)計算模塊中的空間相關(guān)系數(shù)反映了路網(wǎng)的可達性對預測模型的影響， 時間相關(guān)系數(shù)能夠表達流量序列的時間順序，反映兩序列時間上的因果關(guān)系，從而提尚預 測因子選取的效率；由于交通流量的周相似性，引入歷史相關(guān)系數(shù)矩陣生成模塊的歷史相 關(guān)系數(shù)，同時間相關(guān)系數(shù)和空間相關(guān)系數(shù)配合使用，為準確預測提供更多的數(shù)據(jù)支持。
【附圖說明】
[0057] 利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限 制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得 其它的附圖。
[0058]圖1是本發(fā)明預測裝置各模塊的連接示意圖。
[0059]圖2是本發(fā)明斑馬線護欄示意圖。
【具體實施方式】
[0060]結(jié)合以下實施例對本發(fā)明作進一步描述。
[0061 ] 實施例1
[0062]參見圖1，圖2,本實施例一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相 連的預測裝置，所述斑馬線護欄包括：
[0063] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0064] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0065] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0066] 每測試層在一個采用時間的平均風速的計算公式為：
[0067] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮海瑸楫數(shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0068] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0069] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0070] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0071] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0072] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0073] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0074] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0075] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0076]優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0077] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0078] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0079] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0080] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列t與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0082] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，Xx?表示Xx 在時間延遲T后的交通流量序列，Vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0083] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0084] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 X, = [x,(l)，x,(2),..., ，Xi (t)表示觀測路段Si在t時刻的流量，Xj (t)表示預測路段Sj在t時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0086] 空間相關(guān)系數(shù)Pdw)的計算公式為： 1 4和&雙向可通行
[0087] 0.5 &和&單向可通行； 0 &和&不可通行
[0088] 優(yōu)選地，預測裝置還包括：
[0089] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0090] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段5 1與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (?。?，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為： A7(〇)' A./(°)' - PnM
[0091] p{r)= Plj^ ?" Pnj^ ;
[0092]時空相關(guān)系數(shù)P^(t)'的計算公式為：
[0093] Pij(x)' =Pij(x)Pij(w)；
[0094] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0095] /?(/)=[/?,,(/) /?,.,(0 ...
[0096] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為…,~(《)j，m = U，…M，M的取值范圍為[3,5]，所述歷史相 關(guān)系數(shù)P#(t)的計算公式為：
[0098] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值Ti和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0099] 若Pij(〇 ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，則第一預測因子X '可表述成如下矩陣形式： -'.i (丨） '、⑴???⑴ r: .V, (2) x, (2) .... x" (2)
[0100] ^ = 1W 2 W p ；; Xj (? - L{) X； (n - ) .. . .v；. (n - L,)
[0101] 若Pp(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xp(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0102] Y = vi (/) v： (/^) ... .v"('）
[0103] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0104] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0105] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0106] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0107] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0108] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0109] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0110]本實施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造 的預測模型更有針對性;設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系 數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊，消除了最初預測因子選取的主 觀性，能夠增加預測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確;本實施例取值L = 8，M=3， 預測精度相對于相關(guān)技術(shù)提高了 1.5 %。
[0111] 實施例2
[0112] 參見圖1，圖2,本實施例一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相 連的預測裝置，所述斑馬線護欄包括：
[0113] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0114] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0115] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0116] 每測試層在一個采用時間的平均風速的計算公式為：
[0117] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮海瑸楫數(shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0118] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0119] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0120] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0121] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0122] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0123] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0124] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0125] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0126] 優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0127] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0128] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0129] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0130] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列&與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0132] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，X x?表示Xx 在時間延遲t后的交通流量序列，vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0133] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0134] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 .Y,. = (I (2),...，x; (〃)j，xi (t)表示觀測路段Si在t時刻的流量，Xj⑴表示預測路段Sj在t時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0136] 空間相關(guān)系數(shù)(w)的計算公式為： "1 &和&雙向可通行
[0137] /^(w)= 0.5 和 & 單向可通行； 0 X和4不可通行
[0138] 優(yōu)選地，預測裝置還包括：
[0139] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0140] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段5 1與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (?。?，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為： A,(〇)' A.,
[0141] p(r)'= ⑴…減)； - PnXl)_
[0142] 時空相關(guān)系數(shù)p^h)'的計算公式為：
[0143] Pij(x)' =Pij(x)Pij(w)；
[0144] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0145] /?(，)=!/?,.々）/?,々）?" p,"々)j
[0146] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為 A',J.〇 =卜/w(l)，.v,,,,(2),..,,x,.> 關(guān)系數(shù)P#(t)的計算公式為：
[0148] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值h和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0149] 若Pij(〇 ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li=max{> | tG [0，L]andPij(T) ' > Ti}，則第一預測因子X '可表述成如下矩陣形式： X丨(1) (l) .... xp (l) , -V, (2j A% (2) ... .V,; (2)
[0150] X = lW 2 W p ? x1 (? - ) -V2 (/?-/-；) - . -V;) (/? - Lj )
[0151] 若P#(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0152] Y - ri (/) V2 (t) ... (/)
[0153] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0154] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0155] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0156] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0157] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0158] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0159] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0160]本實施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造 的預測模型更有針對性;設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系 數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊，消除了最初預測因子選取的主 觀性，能夠增加預測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確;本實施例取值L = 9，M=3， 預測精度相對于相關(guān)技術(shù)提高了 2 %。
[0161] 實施例3
[0162] 參見圖1，圖2,本實施例一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相 連的預測裝置，所述斑馬線護欄包括：
[0163] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0164] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0165] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0166] 每測試層在一個采用時間的平均風速的計算公式為：
[0167] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮海瑸楫數(shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0168] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0169] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0170] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0171] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0172] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0173] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0174] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0175] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0176] 優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0177] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0178] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0179] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0180] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列&與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0182] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，X x?表示Xx 在時間延遲t后的交通流量序列，vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0183] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0184] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 I,. = (1), x; (2),..., X, (〃)j，Xi (t)表示觀測路段Si在t時刻的流量，Xj (t)表示預測路段Sj在t時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0186] 空間相關(guān)系數(shù)(w)的計算公式為： "l 和&雙向可通行
[0187] >Cy(w) = ? 0.5 5；和&單向可通行； 0 &和&不可通行
[0188] 優(yōu)選地，預測裝置還包括：
[0189] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0190] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段5 1與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (?。?，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為： 外(〇)' A;. (())，，. /%(0)'
[0191] 冰)'=仏1) A:;.⑴…A1 ; _P\jW) ??? A\y(^)_
[0192] 時空相關(guān)系數(shù)p^h)'的計算公式為：
[0193] Pij(x)' =Pij(x)Pij(w)；
[0194] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0195] 冰:)=lpyl …P7>,々)j
[0196] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為義,,"(，) J:丨)，、⑵，…，~>)j,講== 關(guān)系數(shù)P#(t)的計算公式為：
[0198] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值h和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0199] 若Pijb) ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，則第一預測因子X '可表述成如下矩陣形式： (丨） '、⑴???.、."⑴
[0200] 」(2) .T:⑵… '⑵； ? ?> ??? ??? > x, {n - L,) x2 (?? -I-j) ... xp (n -X,)
[0201] 若pjm(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0202] Y' = ；yi (?) j2 ：(/) ... yq (?)
[0203] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0204] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0205] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0206] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0207] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0208] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0209] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0210] 本實施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造 的預測模型更有針對性;設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系 數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊，消除了最初預測因子選取的主 觀性，能夠增加預測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確;本實施例取值L= 10，M = 4，預測精度相對于相關(guān)技術(shù)提高了 2.6 %。
[0211] 實施例4
[0212] 參見圖1，圖2,本實施例一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相 連的預測裝置，所述斑馬線護欄包括：
[0213] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0214] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0215] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0216] 每測試層在一個采用時間的平均風速的計算公式為：
[0217] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮?，為當?shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0218] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0219] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0220] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0221] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0222] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0223] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0224] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0225] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0226]優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0227] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0228] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0229] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0230] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列&與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0232] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，X x?表示Xx 在時間延遲t后的交通流量序列，vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0233] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0234] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 如)j，Xl(t)表示觀測路段S^t時刻的流量，Xj(t)表示預測路段&在t時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0236]空間相關(guān)系數(shù)Pdw)的計算公式為： ^1 &和&雙向可通行
[0237] = < 0.5 和&單向可通行; 0 &和&不可通行
[0238] 優(yōu)選地，預測裝置還包括：
[0239] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0240] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段5 1與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (丁）'，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為： Ai(〇)' Aif〇)' - ^(0.)'
[0241] 冰)'=福~⑴...1 _A/(^) ??? ^
[0242]時空相關(guān)系數(shù)P^(t)'的計算公式為：
[0243] Pij(x)' =Pij(x)Pij(w)；
[0244] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0245] p(r)=[p；|(^) pr\t) ... p.fi(/)]
[0246] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為丨~，⑵_二 關(guān)系數(shù)P#(t)的計算公式為：
[0248] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值h和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0249] 若Pij(〇 ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，則第一預測因子X '可表述成如下矩陣形式： .5(1) x2'(l) -Yp'O) . X, (2) .Y, (2 ) ... A' (2)
[0250] X = 1W 2 W ，W r .v, x2(n-Lt} ... xp (n - L )
[0251] 若P#(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0252] (V) v:(，）…(〇
[0253] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0254] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0255] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0256] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0257] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0258] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0259] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0260] 本實施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造 的預測模型更有針對性;設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系 數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊，消除了最初預測因子選取的主 觀性，能夠增加預測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確;本實施例取值L= 11，M = 5，預測精度相對于相關(guān)技術(shù)提高了 3.2 %。
[0261] 實施例5
[0262] 參見圖1，圖2,本實施例一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相 連的預測裝置，所述斑馬線護欄包括：
[0263] 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速 模擬裝置，其特征是，所述快速模擬裝置包括：
[0264] (1)結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄 的高度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù) 采集裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中 位置處布設(shè)所述風速儀和溫度傳感器；
[0265] (2)平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向 風速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q:
[0266] 每測試層在一個采用時間的平均風速的計算公式為：
[0267] 其中，A為風速總量w在x方向的分量值的極大值和極小值之和，B為風速總量w在y 方向分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮?，為當?shù)仄骄鶞囟?，Pwat為當?shù)仄骄?汽壓，F(xiàn) b為標準狀態(tài)下的風壓系數(shù)；
[0268] (3)各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程 的脈動風速功率譜；
[0269] (4)風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置 處的平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程；
[0270] (5)風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大 器的輸入端與所述微處理器連接。
[0271] 優(yōu)選地，進行脈動風速功率譜的模擬時，引入溫度修正系數(shù)其中To為設(shè)定的標準 溫度，T為由所述溫度傳感器實時監(jiān)測得到的平均溫度值，則
[0272] T多To時，所述脈動風速功率譜的優(yōu)化公式為：
[0273] T〈To時，所述脈動風速功率譜的優(yōu)化公式為：
[0274] 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糙度系數(shù)，g為根據(jù)平均風速W⑴選取 的頻率截取上限值。
[0275] 優(yōu)選地，所述頻率截取上限值的范圍為3hZ~5hZ。
[0276] 優(yōu)選地，預測裝置包括依次連接的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平 穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、閾值設(shè)定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān) 系數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊：
[0277] (1)采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量 數(shù)據(jù)和通行情況；
[0278] (2)數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交 通實際情況的數(shù)據(jù)；
[0279] (3)數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類 型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)；
[0280] (4)平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段交通流量序列&與預測 路段&的交通流量序列X」分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：
[0282] 其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，X x?表示Xx 在時間延遲t后的交通流量序列，vx+T為Xx?的均值，〇2為X x與Xx?之間的方差；
[0283] 當自相關(guān)函數(shù)P(t)能快速衰減趨近于〇或在〇附近波動，則所述待檢驗交通流量序 列通過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( t)不能快速衰減趨近于0或在0附近波動，則對所述待 檢驗交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗；
[0284] (5)相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段交通流量序列& 與預測路段Sj的交通流量序列Xj在時間延遲T下的時間相關(guān)系數(shù)Pij⑴和空間相關(guān)系數(shù)Pij (w)，設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 ;=[~(1)七(2),...七(")]，以〇表示觀測路段51在七時刻的流量，^〇表示預測路段&在七時 刻的流量，t = l，2,. . .n，時間相關(guān)系數(shù)Pij(T)的計算公式為：
[0286]空間相關(guān)系數(shù)Pdw)的計算公式為： 1 X和又向可通行
[0287] /^(w) = <:D.5 5；和 I 單向可通行： 0 \和&不可通行
[0288] 優(yōu)選地，預測裝置還包括：
[0289] (6)閾值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)閾值 Ti和歷史相關(guān)系數(shù)閾值T2;
[0290] (7)時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)和空間相 關(guān)系數(shù)PU(w)構(gòu)建各觀測路段5 1與預測路段&在不同時間延遲t下的時空相關(guān)系數(shù)矩陣p (?。?，并計算各路段的時空相關(guān)系數(shù)9^(4'，其中1￡[1，捫且1￡[0丄]兒的取值范圍為[8， 12]，時空相關(guān)系數(shù)矩陣P(t)'的計算公式為：
[0291] p(r)'= ~⑴'…A# ; _Z'i; (L) /':/.(人）…摩(Z/)
[0292] 時空相關(guān)系數(shù)P^h)'的計算公式為：
[0293] Pij(x)' =Pij(x)Pij(w)；
[0294] (8)歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):
[0295] />(-!/>,々）p/2(，）…戶
[0296] 其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列X」的歷史相關(guān) 序列，記為義,⑴，.'J2)，…(")j，切=…M ,M的取值范圍為[3，5]，所述歷史相 關(guān)系數(shù)P#(t)的計算公式為：
[0298] (9)預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)閾值h和歷史相關(guān)系數(shù)閾值T2 選取與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲t進行矩陣重構(gòu)， 選取原則為：
[0299] 若Pij(〇 ' >Ti，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新 的序列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，xP'），其中p為所述滿足條件的交 通流量個數(shù)，設(shè)Li為第一預測因子中時間延遲的最大值，Li=max{> | tG [0，L]andPij(T) ' > Ti}，則第一預測因子X '可表述成如下矩陣形式： x丨(1) x2 (l) xp (l) , .v, (2) .v，（2) .V, (2 )
[0300] X - 1V ' 2V / pX ! v _.v丨(，?-L丨）x2(n-L,) .v"
[0301] 若pjm(t)>T2，則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預測因子，記作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y '可表述成 如下矩陣形式：
[0302] F^[n(/) r：'(/) ... v；(/)
[0303] (10)預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來 構(gòu)造可預測路段在下一時刻的交通流量的預測模型。
[0304] 其中，所述數(shù)據(jù)預處理模塊中，剔除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在 一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段 的總交通流量數(shù)據(jù)落在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到 的某路段的總交通流量數(shù)據(jù)落不在對應的閾值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔 除。
[0305] 其中，所述平穩(wěn)性檢驗模塊包括以下子模塊：
[0306] (1)檢驗子模塊，用于對處于同一類型的觀測路段的交通流量序列與預測路段的 交通流量序列分別進行平穩(wěn)性檢驗；
[0307] (2)連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交 通流量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對 數(shù)據(jù)進行補齊；
[0308] (3)排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用 平均插值法對數(shù)據(jù)進行補齊；
[0309] (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差 分處理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
[0310] 本實施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗模塊，增加了數(shù)據(jù)的準確度，且使構(gòu)造 的預測模型更有針對性;設(shè)置相關(guān)系數(shù)計算模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系 數(shù)矩陣生成模塊、預測因子選取模塊和預測模型構(gòu)造模塊，消除了最初預測因子選取的主 觀性，能夠增加預測精度，使預測模型構(gòu)造模塊更加穩(wěn)定和準確;本實施例取值L= 12，M = 5，預測精度相對于相關(guān)技術(shù)提高了 3.5 %。
[0311] 最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保 護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應 當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實 質(zhì)和范圍。
【主權(quán)項】
1. 一種智能斑馬線護欄，包括斑馬線護欄和與斑馬線護欄相連的預測裝置，所述斑馬 線護欄包括： 由橫欄和豎欄組成的斑馬線護欄本體和安裝在斑馬線護欄本體的風速時程快速模擬 裝置，其特征是，所述快速模擬裝置包括： (1) 結(jié)構(gòu)參數(shù)監(jiān)測模塊，其包括風速儀、溫度傳感器和數(shù)據(jù)采集裝置，沿所述豎欄的高 度方向?qū)唏R線護欄劃分多個間隔相同的測試層，在所述橫欄中部位置安裝所述數(shù)據(jù)采集 裝置，選擇測試層的正中位置處作為一個風速時程的模擬點，且在每個測試層的正中位置 處布設(shè)所述風速儀和溫度傳感器； (2) 平均風速計算模塊，其利用風速儀監(jiān)測出每測試層的風速總量，橫向角和豎向風 速，取0.2s為采樣時間間隔，進行平均風速的計算時，引入平均風速校正系數(shù)Q: 每測試層在一個采用時間的平均風速的計算公式為： 其中，A為風速總量W在X方向的分量值的極大值和極小值之和，B為風速總量W在y方向 分量值的極大值和極小值之和，為當?shù)仄骄鶜鈮海瑸楫數(shù)仄骄鶞囟?，Pwat為當?shù)仄骄麎海?Fb為標準狀態(tài)下的風壓系數(shù)； (3) 各模擬點的脈動風速時程計算模塊，包括生成所述各模擬點的脈動風速時程的脈 動風速功率譜； (4) 風速時程計算模塊，包括微處理器，所述微處理器利用諧波疊加法對相同位置處的 平均風速和脈動風速時程進行疊加，得到各模擬點的風速時程； (5) 風速模擬顯示模塊，包括依次連接的隔離放大器和數(shù)字顯示屏，所述隔離放大器的 輸入端與所述微處理器連接。2. 根據(jù)權(quán)利要求1所述的一種智能斑馬線護欄，其特征是，進行脈動風速功率譜的模擬 時，引入溫度修正系數(shù)其中To為設(shè)定的標準溫度，T為由所述溫度傳感器實時監(jiān)測得到的平 均溫度值，貝U T^To時，所述脈動風速功率譜的優(yōu)化公式為： KTo時，所述脈動風速功率譜的優(yōu)化公式為： 其中，A為根據(jù)斑馬線護欄結(jié)構(gòu)選擇的地面粗糖度系數(shù)，g為根據(jù)平均風速W(I)選取的頻 率截取上限值。3. 根據(jù)權(quán)利要求2所述的一種智能斑馬線護欄，其特征是，所述頻率截取上限值的范圍 為化Z~化Z。4. 根據(jù)權(quán)利要求3所述的一種智能斑馬線護欄，其特征是，所述預測裝置包括依次連接 的采集模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗模塊、相關(guān)系數(shù)計算模塊、闊值設(shè) 定模塊、時空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預測因子選取模塊和預 測模型構(gòu)造模塊： (1) 采集模塊，用于采集路網(wǎng)S內(nèi)觀測路段Si、預測路段&對應各時間段的交通流量數(shù)據(jù) 和通行情況； (2) 數(shù)據(jù)預處理模塊，用于對所述交通流量數(shù)據(jù)進行數(shù)據(jù)預處理，并剔除不符合交通實 際情況的數(shù)據(jù)； (3) 數(shù)據(jù)分類模塊，用于對經(jīng)過數(shù)據(jù)預處理的交通流量數(shù)據(jù)進行類型分類，所述類型包 括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù)； (4) 平穩(wěn)性檢驗模塊，用于對處于同一類型的觀測路段Si的交通流量序列Xi與預測路段 Sj的交通流量序列、分別進行平穩(wěn)性檢驗，檢驗平穩(wěn)性的自相關(guān)函數(shù)為：其中，Xx表示待檢驗交通流量序列，Vi表示待檢驗交通流量序列的均值，Xxm表示Xx在時 間延遲T后的交通流量序列，Vxm為Xxm的均值，O2為Xx與Xxm之間的方差； 當自相關(guān)函數(shù)P( T )能快速衰減趨近于0或在0附近波動，則所述待檢驗交通流量序列通 過平穩(wěn)性檢驗；當自相關(guān)函數(shù)P( T )不能快速衰減趨近于0或在0附近波動，則對所述待檢驗 交通流量序列進行平穩(wěn)處理后繼續(xù)進行平穩(wěn)性檢驗； (5) 相關(guān)系數(shù)計算模塊，用于計算通過平穩(wěn)性檢驗的觀測路段Si的交通流量序列Xi與預 路段Sj的交通流量序列X廟時間延遲T下的時間相關(guān)系數(shù)Pij (T)和空間相關(guān)系數(shù)Pij(W), 設(shè)路網(wǎng)S內(nèi)有N個路段，交通流量序列Xi=[xi(l)，xi(2)，...，xi(n)]，交通流量序列i(t)表示觀測路段Si在t時刻的流量，X^t)表示預測路段&在*時 刻的流量，t = l，2,.. .n，時間相關(guān)系數(shù)Pii(T)的計算公式為； 空間相關(guān)系數(shù)PU(W)的計算公式為：5.根據(jù)權(quán)利要求4所述的一種智能斑馬線護欄，其特征是， (6) 闊值設(shè)定模塊，用于設(shè)定各路段之間的時間延遲最大值L、時空相關(guān)系數(shù)闊值Tl和歷 史相關(guān)系數(shù)闊值了2; (7) 時空相關(guān)系數(shù)矩陣生成模塊，用于根據(jù)各路段的時間相關(guān)系數(shù)PU(T)和空間相關(guān)系 數(shù)化構(gòu)建各觀測路段Si與預測路段&在不同時間延遲T下的時空相關(guān)系數(shù)矩陣P(T) '， 并計算各路段的時空相關(guān)系數(shù)化^T)'，其中iG[l，N]且1￡[〇，1^，1的取值范圍為[8，12]， 時空相關(guān)系數(shù)矩陣P( T) '的計算公式為：時空相關(guān)系數(shù)'的計算公式為： Pij(T)'=化j(T)化 j(W); (8) 歷史相關(guān)系數(shù)矩陣生成模塊，用于生成預測路段&的歷史相關(guān)系數(shù)矩陣P(t):其中，選取近M周的同期且同一類型的歷史流量作為交通流量序列、的歷史相關(guān)序列， 記為勺取值范圍為[3,5]，所述歷史相關(guān)系 數(shù)Pjm(t)的計算公式為：(9) 預測因子選取模塊，用于根據(jù)所述時空相關(guān)系數(shù)闊值Tl和歷史相關(guān)系數(shù)闊值T2選取 與預測目標點相關(guān)的預測因子，并按照其所選空間位置j與時間延遲T進行矩陣重構(gòu)，選取 原則為： 若口。（1)'>1'1，則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序 列并作為第一預測因子，記做X'，X' = (X1'，X2'，. . .，Xp'），其中P為所述滿足條件的交通流 量個數(shù)，設(shè)b為第一預測因子中時間延遲的最大值，Li=max{T I TE [〇，L]and f>ij(T) ' >Ti}， 則第一預測因子X'可表述成如下矩陣形式：若P心t)>T2,則將所有滿足條件的歷史相關(guān)序列)Ut)作為第二預測因子，記作Y'，Y' = {yi'，y2'，. . .，yq'}，其中q為滿足條件的歷史流量個數(shù)，第二預測因子Y'可表述成如下矩 陣形式：(10) 預測模型構(gòu)造模塊，其通過將第一預測因子和第二預測因子作為訓練樣本來構(gòu)造 可預測路段在下一時刻的交通流量的預測模型。6. 根據(jù)權(quán)利要求5所述的一種智能斑馬線護欄，其特征是，所述數(shù)據(jù)預處理模塊中，剔 除所述不符合交通實際情況的數(shù)據(jù)的規(guī)則為:在一個數(shù)據(jù)更新周期內(nèi)，分別設(shè)定各路段的 總交通流量數(shù)據(jù)的閥值范圍，若采集到的某路段的總交通流量數(shù)據(jù)落在對應的闊值范圍 內(nèi)，則表明該組數(shù)據(jù)可靠，保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應 的闊值范圍內(nèi)，則表明該組數(shù)據(jù)不可靠，并將其剔除。7. 根據(jù)權(quán)利要求6所述的一種智能斑馬線護欄，其特征是，所述平穩(wěn)性檢驗模塊包括W 下子模塊： (1) 檢驗子模塊，用于對處于同一類型的觀測路段Si的交通流量序列Xi與預測路段Sj的 交通流量序列^分別進行平穩(wěn)性檢驗； (2) 連續(xù)性檢查子模塊，與檢驗子模塊連接，用于對不通過平穩(wěn)性檢驗的待檢驗交通流 量序列進行連續(xù)性檢查，若不符合連續(xù)性，所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù) 進行補齊； (3) 排錯子模塊，與連續(xù)性檢查子模塊連接，用于刪除明顯錯誤的數(shù)據(jù)，同時采用平均 插值法對數(shù)據(jù)進行補齊； (4)差分處理子模塊，連接排錯子模塊和檢驗子模塊，用于對補齊后的數(shù)據(jù)進行差分處 理，并將差分處理后的數(shù)據(jù)傳送到檢驗子模塊。
【文檔編號】E01F15/00GK105913665SQ201610524759
【公開日】2016年8月31日
【申請日】2016年6月29日
【發(fā)明人】不公告發(fā)明人
【申請人】肖銳