一种基于时间序列的交通信息预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于时间序列的交通信息预测方法及装置，涉及通信领域。为了能够快速、高效、准确地进行交通信息预测，本发明专利技术提供的技术方案如下：根据存储的历史路况数据获取每条道路在每个星期特征日内的每个时间窗的路况数据的统计值；根据预测道路的统计值去除所述预测道路的参考路况数据的趋势项；根据去除趋势项后的所述预测道路的参考路况数据获取所述预测道路的预测方程；根据所述预测道路的预测方程和所述预测道路的实时路况数据获取所述预测道路的预测路况数据。

【技术实现步骤摘要】

本专利技术涉及通信领域，尤其涉及一种基于时间序列的交通信息预测方法及 装置。
技术介绍
短时交通信息预测是智能交通系统建设中的核心问题之一 ，它为先进的交通管理系统(ATMS)制定主动型交通控制策略以及交通出行信息系统(ATIS) 进行实时路径诱导提供了基础条件。交通信息预测是指在时刻t，对下一决策时刻""乃至以后若干时刻的交通 信息做出实时预测。 一般认为t到""的预测时间跨度不超过15min的预测为 短期交通信息预测。交通信息预测的结果可以直接送到交通信息系统和交通管 理系统中，给出行者提供实时有效的信息，帮助他们更好的进行路径选择，实 现路径诱导，以缩短出行时间，减少交通拥堵。较早提出基于历史平均模型进行交通信息预测，即建立在历史数据的统计 趋势可以代表当前交通特征的假设前提下，以历史平均值作为未来时段的预测 结果，或者以加入突发事件或天气事件作为影响参数后计算得出的历史平均值 作为未来时段的预测结果。虽然历史平均模型简单易操作，但不能反映动态交通信息基本的不确定性 与非线性特性，无法克服多种随机干扰因素的影响，限制了预测结果的准确性。 为了提高交通信息预测的准确性，现有技术又提出了采用神经网络的方法进行 交通信息预测。并且还可以根据道路现场的交通信息数据得出效果因子，然后 基于该效果因子进行预测调整，以进一步提高交通信息预测的准确性。在实现上述交通信息预测的过程中，专利技术人发现现有技术中至少存在如下问题神经网络的运算十分复杂，计算效率较低，无法满足交通信息发布的实 时性要求。
技术实现思路
本专利技术的实施例提供一种基于时间序列的交通信息预测方法及装置，能够 快速、高效、准确地进行交通信息预测，以满足交通信息发布的实时性要求。 为达到上述目的，本专利技术的实施例采用如下技术方案 一种基于时间序列的交通信息预测方法，包括根据存储的历史路况数据获取每条道路在每个星期特征日内的每个时间窗的路况数据的统计值；根据预测道路的统计值去除所述预测道路的参考路况数据的趋势项； 根据去除趋势项后的所述预测道路的参考路况数据获取所述预测道路的预测方程；测道路的预测路况数据。一种基于时间序列的交通信息预测装置，包括数据统计分析模块，用于根据存储的历史路况数据获取每条道路在每个星 期特征日内的每个时间窗的路况数据的统计值；数据预处理模块，用于根据预测道路的统计值去除所述预测道路的参考路 况数据的趋势项；时间序列建模模块，用于根据去除趋势项后的所述预测道路的参考路况数 据获取所述预测道路的预观'j方程； 实时预测模块，路况数据获取所述预测道路的预测路况数据。本专利技术实施例提供的基于时间序列的交通信息预测方法及装置，将交通信 息中固有的周期性趋势信息与随机波动的部分分离，从而消除交通信息序列的 周期性趋势，为短时交通信息预测奠定了基础，并提出了动态更新的时间序列 建模方法，使得所建立的时间序列模型更好的满足交通信息时变性特点，提高 了预测的准确性。并且，与神经网络预测交通信息的方法相比,运算简单，提 高了预测计算的效率和速度，很大程度上满足了交通信息发布的实时性要求。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需 要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于时间序列的交通信息预测方法的流程示意图2为本专利技术实施例提供的一种根据存储的历史路况数据获取统计值方法 的流程示意图3为本专利技术实施例提供的一种去除参考路况数据的趋势项方法的流程示 意图4为本专利技术实施例提供的一种获取预测方程方法的流程示意图； 图5为本专利技术实施例提供的一种获取预测路况数据方法的流程示意图； 图6为本专利技术实施例提供的一种基于时间序列的交通信息预测装置的构成 示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是 全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了能够快速、高效、准确地进行交通信息预测，以满足交通信息发布的 实时性要求，本专利技术实施例提供了一种基于时间序列的交通信息预测方法，如图1所示，包括11、根据存储的历史路况数据获取每条道路在每个星期特征日内的每个时 间窗的5^况数据的统计值；其中，道路的取值包括城市的主要道路，例如北京市主干线所有道路单元集 合，如知春路、学院路等。星期特征日的取值包括周一、周二、周三、周四、 周五、周六、周日。时间窗的取值包括从00: 00-23: 59每5分钟为分界的时间 窗，如08:00 - 08:05、 08: 06 - 08:10等。按照预测的内容，交通信息预测可分为交通流量、交通速度、交通密度、旅 行时间和车辆占有率等参数的预测。举例而言，可以以累积的1个月以上的预 测城市的历史路况数据为基础，进行各道路均值的初始化计算，如图2所示， 其计算步骤如下101、 路信息；102、 按照道路和星期特征日和时间窗对所述历史路况数据进行分类，获取 同一星期特征日、各个时间窗内、各条道路的历史路况数据；103、 根据分类后的历史路况数据获取每条道路在每个星期特征日内的每个 时间窗的路况数据的均值。其中，均值是该条道路在同一星期特征日的同一时间窗内的历史平均车速。另外，还可以根据分类后的历史路况数据获取每条道 路在每个星期特征日内的每个时间窗的路况数据的方差。而方差表明了该条道 路在同 一星期特征日的同 一时间窗内的平均车速之间的差异。104、将每条道路在每个星期特征日内的每个时间窗的路况数据的均值分类 存储在文本文件中。预测道路的参考路况数据可以是从历史路况数据中随机选择得来的，对预 测道路的参考路况数据去除趋势项包括对预测道路的参考路况数据去除周期性 趋势项和其它趋势项。如图3所示，具体的步骤可以为201、 从历史路况凝:据中获取预测道路在参考日的每个时间窗的路况数据， 作为所述预测道路的参考路况数据。例如，从历史路况数据中随机选择某一天的数据，将预测道路在全天各个 时间窗的平均车速看作随机序列,随机序列{、}即为该预测道路的参考路况 数据。其中，由一连串随机变量^^2，...,^构成的序列称为随机序列，在数学上可 用随机变量的集合"}， / = 1，2,...,"来表示，也可以定义为在多维随机空间中的一 个随机向量x,而它的分量就是jc,。如果某随机序列是按时间来排序的，亦即x, 中的下标是时间t的整数变量，它代表等间隔的增量，则这类随机序列称为时间序列，并用",}， , = 1,2，...,"来表示，这里t就是指某个时刻或某个时间段。202、 确定预测道路在参考日的星期特征日内的每个时间窗的路况数据的均值，作为所述预测道^各的参考均值。将所述预测道路的参考路况数据与所述预 测道路的参考均值进行差分，得到去除周期性趋势项的所迷预测道路的参考路 况数据，作为所述预测道路的中间参考路况数据；例如，根据随机序列")所对应的道路、星期特征日和时间窗，从统计的历本文档来自技高网...

【技术保护点】
一种基于时间序列的交通信息预测方法，其特征在于，包括：　　根据存储的历史路况数据获取每条道路在每个星期特征日内的每个时间窗的路况数据的统计值；　　根据预测道路的统计值去除所述预测道路的参考路况数据的趋势项；　　根据去除趋势项后的所述预测道路的参考路况数据获取所述预测道路的预测方程；　　根据所述预测道路的预测方程和所述预测道路的实时路况数据获取所述预测道路的预测路况数据。

【技术特征摘要】

【专利技术属性】
技术研发人员：李建军，贾学力，梅生，昝艳，申小次，
申请(专利权)人：北京世纪高通科技有限公司，
类型：发明
国别省市：11[中国|北京]