專(zhuān)利名稱(chēng)：一種基于時(shí)間序列的交通信息預(yù)測(cè)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信領(lǐng)域，尤其涉及一種基于時(shí)間序列的交通信息預(yù)測(cè)方法及 裝置。
背景技術(shù)：
短時(shí)交通信息預(yù)測(cè)是智能交通系統(tǒng)建設(shè)中的核心問(wèn)題之一 ，它為先進(jìn)的交
通管理系統(tǒng)(ATMS)制定主動(dòng)型交通控制策略以及交通出行信息系統(tǒng)(ATIS) 進(jìn)行實(shí)時(shí)路徑誘導(dǎo)提供了基礎(chǔ)條件。
交通信息預(yù)測(cè)是指在時(shí)刻t，對(duì)下一決策時(shí)刻""乃至以后若干時(shí)刻的交通 信息做出實(shí)時(shí)預(yù)測(cè)。 一般認(rèn)為t到""的預(yù)測(cè)時(shí)間跨度不超過(guò)15min的預(yù)測(cè)為 短期交通信息預(yù)測(cè)。交通信息預(yù)測(cè)的結(jié)果可以直接送到交通信息系統(tǒng)和交通管 理系統(tǒng)中，給出行者提供實(shí)時(shí)有效的信息，幫助他們更好的進(jìn)行路徑選擇，實(shí) 現(xiàn)路徑誘導(dǎo)，以縮短出行時(shí)間，減少交通擁堵。
較早提出基于歷史平均模型進(jìn)行交通信息預(yù)測(cè)，即建立在歷史數(shù)據(jù)的統(tǒng)計(jì) 趨勢(shì)可以代表當(dāng)前交通特征的假設(shè)前提下，以歷史平均值作為未來(lái)時(shí)段的預(yù)測(cè) 結(jié)果，或者以加入突發(fā)事件或天氣事件作為影響參數(shù)后計(jì)算得出的歷史平均值 作為未來(lái)時(shí)段的預(yù)測(cè)結(jié)果。
雖然歷史平均模型簡(jiǎn)單易操作，但不能反映動(dòng)態(tài)交通信息基本的不確定性 與非線(xiàn)性特性，無(wú)法克服多種隨機(jī)干擾因素的影響，限制了預(yù)測(cè)結(jié)果的準(zhǔn)確性。 為了提高交通信息預(yù)測(cè)的準(zhǔn)確性，現(xiàn)有技術(shù)又提出了采用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行 交通信息預(yù)測(cè)。并且還可以根據(jù)道路現(xiàn)場(chǎng)的交通信息數(shù)據(jù)得出效果因子，然后 基于該效果因子進(jìn)行預(yù)測(cè)調(diào)整，以進(jìn)一步提高交通信息預(yù)測(cè)的準(zhǔn)確性。在實(shí)現(xiàn)上述交通信息預(yù)測(cè)的過(guò)程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下
問(wèn)題神經(jīng)網(wǎng)絡(luò)的運(yùn)算十分復(fù)雜，計(jì)算效率較低，無(wú)法滿(mǎn)足交通信息發(fā)布的實(shí) 時(shí)性要求。

發(fā)明內(nèi)容
本發(fā)明的實(shí)施例提供一種基于時(shí)間序列的交通信息預(yù)測(cè)方法及裝置，能夠 快速、高效、準(zhǔn)確地進(jìn)行交通信息預(yù)測(cè)，以滿(mǎn)足交通信息發(fā)布的實(shí)時(shí)性要求。 為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案 一種基于時(shí)間序列的交通信息預(yù)測(cè)方法，包括
根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗
的路況數(shù)據(jù)的統(tǒng)計(jì)值；
根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路況數(shù)據(jù)的趨勢(shì)項(xiàng)； 根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)
測(cè)方程；
測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
一種基于時(shí)間序列的交通信息預(yù)測(cè)裝置，包括
數(shù)據(jù)統(tǒng)計(jì)分析模塊，用于根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星 期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的統(tǒng)計(jì)值；
數(shù)據(jù)預(yù)處理模塊，用于根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路 況數(shù)據(jù)的趨勢(shì)項(xiàng)；
時(shí)間序列建模模塊，用于根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù) 據(jù)獲取所述預(yù)測(cè)道路的預(yù)觀'j方程； 實(shí)時(shí)預(yù)測(cè)模塊，路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
本發(fā)明實(shí)施例提供的基于時(shí)間序列的交通信息預(yù)測(cè)方法及裝置，將交通信 息中固有的周期性趨勢(shì)信息與隨機(jī)波動(dòng)的部分分離，從而消除交通信息序列的 周期性趨勢(shì)，為短時(shí)交通信息預(yù)測(cè)奠定了基礎(chǔ)，并提出了動(dòng)態(tài)更新的時(shí)間序列 建模方法，使得所建立的時(shí)間序列模型更好的滿(mǎn)足交通信息時(shí)變性特點(diǎn)，提高 了預(yù)測(cè)的準(zhǔn)確性。并且，與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)交通信息的方法相比,運(yùn)算簡(jiǎn)單，提 高了預(yù)測(cè)計(jì)算的效率和速度，很大程度上滿(mǎn)足了交通信息發(fā)布的實(shí)時(shí)性要求。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需 要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明 的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實(shí)施例提供的一種基于時(shí)間序列的交通信息預(yù)測(cè)方法的流程
示意圖2為本發(fā)明實(shí)施例提供的一種根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取統(tǒng)計(jì)值方法 的流程示意圖3為本發(fā)明實(shí)施例提供的一種去除參考路況數(shù)據(jù)的趨勢(shì)項(xiàng)方法的流程示 意圖4為本發(fā)明實(shí)施例提供的一種獲取預(yù)測(cè)方程方法的流程示意圖； 圖5為本發(fā)明實(shí)施例提供的一種獲取預(yù)測(cè)路況數(shù)據(jù)方法的流程示意圖； 圖6為本發(fā)明實(shí)施例提供的一種基于時(shí)間序列的交通信息預(yù)測(cè)裝置的構(gòu)成 示意圖。
具體實(shí)施方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清 楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是 全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造 性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
為了能夠快速、高效、準(zhǔn)確地進(jìn)行交通信息預(yù)測(cè)，以滿(mǎn)足交通信息發(fā)布的 實(shí)時(shí)性要求，本發(fā)明實(shí)施例提供了一種基于時(shí)間序列的交通信息預(yù)測(cè)方法，如
圖1所示，包括
11、根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí) 間窗的5^況數(shù)據(jù)的統(tǒng)計(jì)值；
其中，道路的取值包括城市的主要道路，例如北京市主干線(xiàn)所有道路單元集 合，如知春路、學(xué)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。時(shí)間窗的取值包括從00: 00-23: 59每5分鐘為分界的時(shí)間 窗，如08:00 - 08:05、 08: 06 - 08:10等。
按照預(yù)測(cè)的內(nèi)容，交通信息預(yù)測(cè)可分為交通流量、交通速度、交通密度、旅 行時(shí)間和車(chē)輛占有率等參數(shù)的預(yù)測(cè)。舉例而言，可以以累積的1個(gè)月以上的預(yù) 測(cè)城市的歷史路況數(shù)據(jù)為基礎(chǔ)，進(jìn)行各道路均值的初始化計(jì)算，如圖2所示， 其計(jì)算步驟如下
101、 路信息；
102、 按照道路和星期特征日和時(shí)間窗對(duì)所述歷史路況數(shù)據(jù)進(jìn)行分類(lèi)，獲取 同一星期特征日、各個(gè)時(shí)間窗內(nèi)、各條道路的歷史路況數(shù)據(jù)；
103、 根據(jù)分類(lèi)后的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè) 時(shí)間窗的路況數(shù)據(jù)的均值。其中，均值是該條道路在同一星期特征日的同一時(shí)間窗內(nèi)的歷史平均車(chē)速。另外，還可以根據(jù)分類(lèi)后的歷史路況數(shù)據(jù)獲取每條道 路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的方差。而方差表明了該條道 路在同 一星期特征日的同 一時(shí)間窗內(nèi)的平均車(chē)速之間的差異。
104、將每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的均值分類(lèi) 存儲(chǔ)在文本文件中。
預(yù)測(cè)道路的參考路況數(shù)據(jù)可以是從歷史路況數(shù)據(jù)中隨機(jī)選擇得來(lái)的，對(duì)預(yù) 測(cè)道路的參考路況數(shù)據(jù)去除趨勢(shì)項(xiàng)包括對(duì)預(yù)測(cè)道路的參考路況數(shù)據(jù)去除周期性 趨勢(shì)項(xiàng)和其它趨勢(shì)項(xiàng)。如圖3所示，具體的步驟可以為
201、 從歷史路況凝:據(jù)中獲取預(yù)測(cè)道路在參考日的每個(gè)時(shí)間窗的路況數(shù)據(jù)， 作為所述預(yù)測(cè)道路的參考路況數(shù)據(jù)。
例如，從歷史路況數(shù)據(jù)中隨機(jī)選擇某一天的數(shù)據(jù)，將預(yù)測(cè)道路在全天各個(gè) 時(shí)間窗的平均車(chē)速看作隨機(jī)序列,隨機(jī)序列{、}即為該預(yù)測(cè)道路的參考路況 數(shù)據(jù)。
其中，由一連串隨機(jī)變量^^2，...,^構(gòu)成的序列稱(chēng)為隨機(jī)序列，在數(shù)學(xué)上可 用隨機(jī)變量的集合"}， / = 1，2,...,"來(lái)表示，也可以定義為在多維隨機(jī)空間中的一 個(gè)隨機(jī)向量x,而它的分量就是jc,。如果某隨機(jī)序列是按時(shí)間來(lái)排序的，亦即x, 中的下標(biāo)是時(shí)間t的整數(shù)變量，它代表等間隔的增量，則這類(lèi)隨機(jī)序列稱(chēng)為時(shí)
間序列，并用",}， , = 1,2，...,"來(lái)表示，這里t就是指某個(gè)時(shí)刻或某個(gè)時(shí)間段。
202、 確定預(yù)測(cè)道路在參考日的星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的均
值，作為所述預(yù)測(cè)道^各的參考均值。將所述預(yù)測(cè)道路的參考路況數(shù)據(jù)與所述預(yù) 測(cè)道路的參考均值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所迷預(yù)測(cè)道路的參考路 況數(shù)據(jù)，作為所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)；例如，根據(jù)隨機(jī)序列")所對(duì)應(yīng)的道路、星期特征日和時(shí)間窗，從統(tǒng)計(jì)的歷 史路況數(shù)據(jù)均值中選擇該條道路在相同星期特征日的不同時(shí)間窗的道路車(chē)速統(tǒng) 計(jì)均值，將隨機(jī)序列(xj中的道路車(chē)速與道路車(chē)速統(tǒng)計(jì)均值做差分，消除隨機(jī)序 列的周期性趨勢(shì)項(xiàng)，得到預(yù)測(cè)道路的中間參考路況數(shù)據(jù)。
203、通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)進(jìn)行平穩(wěn)性檢
驗(yàn)；
例如，對(duì)隨機(jī)序列"}計(jì)算差分之后，得到去除周期性趨勢(shì)項(xiàng)后的隨機(jī)序列 {r,},隨機(jī)序列{x'J的均值為？。將隨機(jī)序列中的x;依次與；'進(jìn)行比較，當(dāng)
^;'時(shí)用符號(hào)"+"表示，當(dāng)x;〈；'時(shí)用"-，，表示。按照"+，，"-"出現(xiàn)的順序
例如可以將原序列寫(xiě)成如下形式
<formula>formula see original document page 14</formula>
將每一組"+"或者"-，，看作一個(gè)游程。則采用的樣本統(tǒng)計(jì)量有
"+"樣本出現(xiàn)的總數(shù) N2="-"樣本出現(xiàn)的總數(shù) ^游程總數(shù)
z= 游程總數(shù)-游程期望數(shù)_ & 游程標(biāo)準(zhǔn)差 ^
其中，
<formula>formula see original document page 14</formula>
統(tǒng)計(jì)假設(shè)檢驗(yàn)中對(duì)于《 = 0.05的顯著水平，按照2cr原則，如果IZ^1.96，則可 以接受隨機(jī)序列&',}是平穩(wěn)隨機(jī)序列的假設(shè)，即隨機(jī)序列{&}通過(guò)平穩(wěn)性檢驗(yàn)。在所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)未通過(guò)平穩(wěn)性檢驗(yàn)時(shí)，進(jìn)入步驟204。
204、 通過(guò)多項(xiàng)式擬合法去除所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)的其它趨勢(shì) 項(xiàng)，進(jìn)入步驟205。
205、 對(duì)去除其它趨勢(shì)項(xiàng)后的預(yù)測(cè)道路的中間參考路況數(shù)據(jù)進(jìn)行平穩(wěn)性檢 驗(yàn)，如果去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)仍未通過(guò)平穩(wěn) 性檢驗(yàn)，則跳至步驟204。
例如，在步驟204 - 205中，如果隨機(jī)序列{^}不能通過(guò)平穩(wěn)性檢驗(yàn)，則說(shuō) 明在時(shí)間序列中還存在其它趨勢(shì)項(xiàng)，需要用多項(xiàng)式擬合的方法提取隨機(jī)序列{X',}
中的其它趨勢(shì)項(xiàng)，然后再做平穩(wěn)性檢驗(yàn)，若仍未通過(guò)平穩(wěn)性檢驗(yàn)時(shí)繼續(xù)用多項(xiàng) 式擬合的方法進(jìn)一步提取隨機(jī)序列{r,}中的其它趨勢(shì)項(xiàng)，直到通過(guò)平穩(wěn)性檢驗(yàn)， 即已去除隨才幾序列{r,}中的全部趨勢(shì)項(xiàng)。
用多項(xiàng)式擬合的方法提取隨機(jī)序列{^}中的其它趨勢(shì)項(xiàng)，具體來(lái)說(shuō)，可以用 多項(xiàng)式的形式對(duì)隨機(jī)序列{、.}進(jìn)行擬合，并用最小二乘法提取。
設(shè)x(/)是等間隔(△)采樣的函數(shù)，即jc(/)-(/A)^、0,l，…,iV-1,用多項(xiàng)式x(/) 來(lái)擬合。令
雄)-f(/A)、
鄰)點(diǎn)的集合是x(,')中多項(xiàng)式成分的估計(jì)。再定義多項(xiàng)式系數(shù)的誤差五(。為
￡(c)=SW)-￡(' △)、 ]2
/=0 A=0
可用微分方程使得上式達(dá)到最小，則得到
7= S柳- Z (/△)、] [-(/厶)乂] = 0
即 2:cw厶n:(牟(,〕在計(jì)算過(guò)程中，可以取A^以提高計(jì)算精度。通常在尺S3時(shí)就可提取出隨機(jī)序列{r,}的全部趨勢(shì)項(xiàng)，使得不含趨勢(shì)項(xiàng)的隨機(jī)序列{x、}滿(mǎn)足平穩(wěn)性要求。 13、的預(yù)測(cè)方程；根據(jù)去除趨勢(shì)項(xiàng)后的所還頂測(cè)逸嶺日3夢(mèng)可踏/幾雙撒狄取尸/T近頂卿逸嶺的頂 測(cè)方程的過(guò)程，即為完成相關(guān)性系數(shù)的計(jì)算、模型初步識(shí)別、模型定階和參數(shù) 估計(jì)的建模過(guò)程。如圖4所示，具體的步驟可以為301、對(duì)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)進(jìn)行相關(guān)性分析，確 定所述預(yù)測(cè)道路對(duì)應(yīng)的時(shí)間序列模型，即通過(guò)相關(guān)性分析，識(shí)別預(yù)測(cè)道路上的 路況變化所屬于的時(shí)間序列模型。時(shí)間序列模型有三種，即自回歸模型(AR)、滑動(dòng)平均模型(MA)和自回歸滑 動(dòng)平均混合模型(ARMA)。由于它們的線(xiàn)性差分方程的結(jié)構(gòu)不同，因此它們具有 完全不同的統(tǒng)計(jì)特性，表現(xiàn)在自相關(guān)和偏相關(guān)特性方面?？梢酝ㄟ^(guò)比較自相關(guān) 和偏相關(guān)特性的不同來(lái)識(shí)別^f莫型的類(lèi)型。在自相關(guān)特性方面，AR模型具有拖尾的自相關(guān)特性，即自相關(guān)系數(shù)具有無(wú) 限個(gè)指數(shù)衰減或衰減振蕩的分布規(guī)律。而MA模型具有截尾的自相關(guān)特性，即它 具有有限個(gè)自相關(guān)系數(shù)，其數(shù)目決定于模型階數(shù)。在偏相關(guān)特性方面正好相反， 即AR模型具有截尾的偏相關(guān)特性，而MA模型則具有拖尾的偏相關(guān)特性。根據(jù)需要預(yù)測(cè)的道路和需要預(yù)測(cè)日期的星期特征日來(lái)選擇歷史路況數(shù)據(jù)統(tǒng) 計(jì)均值，將各個(gè)時(shí)間窗的平均車(chē)速看作隨機(jī)序列{1,}，樣本自相關(guān)的估計(jì)值是從 一組觀察值{、}中取相隔為r的各對(duì)觀察值來(lái)求平均，即根據(jù)序列平穩(wěn)性的特點(diǎn)，",...,}和"+1,..., ^ }都具有相同的均值7,因此根據(jù)自相關(guān)函數(shù)的定義，對(duì)每個(gè)r有估計(jì)值<formula>formula see original document page 17</formula>相應(yīng)的自相關(guān)系lt估計(jì)Y直為偏相關(guān)系數(shù)可由Yule-Walker方程的矩陣形式近似求解<formula>formula see original document page 17</formula>其中，自相關(guān)系數(shù)截?cái)嘤贏，則l即為偏相關(guān)系數(shù)的估計(jì)值。理論的自相關(guān)系數(shù)和偏相關(guān)系數(shù)的截尾性是指它們從某個(gè)/7或《值后全為零。但是，由于參數(shù)估計(jì)的隨機(jī)性，即使")是M4 (或v4i )序列，當(dāng)&>《(或 *>/7)后，A (或&)也不會(huì)^^，只是在零值附近上下波動(dòng)。因此，對(duì)于A 和^的截尾性需要憑借統(tǒng)計(jì)手段進(jìn)行檢驗(yàn)和判別。 A與&的分布漸近于正態(tài)分布，即A~，,;(l + 2￡《))根據(jù)2cr原則，對(duì)相關(guān)系數(shù)的估計(jì)值進(jìn)行檢驗(yàn)。例如，對(duì)于M4模型來(lái)說(shuō)，對(duì) 每個(gè)大于零的H直，逐個(gè)檢驗(yàn)A+pA+2,…,A+M (M通常取V^或者^(guò))，并判斷滿(mǎn)足lAN;(l + 2i《)"2條件的A的個(gè)數(shù)是否達(dá)到總數(shù)的95. 5%。若在"g時(shí)，滿(mǎn)足l》^l(1+2i:《;r條件的A的個(gè)數(shù)首次達(dá)到總數(shù)的95.5%，則可判定隨機(jī)序列")為M4序列。后截尾，則判斷隨機(jī)序列{x,}是 M4(g)序列。如果隨機(jī)序列"}的偏相關(guān)系數(shù)^在4>; 后截尾，則判斷隨機(jī)序列 (x,〉是^ 0 )序列。如果隨機(jī)序列")的自相關(guān)系數(shù)A和偏相關(guān)系數(shù)l都不截 尾，只是拖尾，則判斷隨才幾序列{《}為^ 雄序列。302、根據(jù)所述時(shí)間序列模型確定所述時(shí)間序列模型的階數(shù)和參數(shù)。對(duì)選定的時(shí)間序列模型進(jìn)行模型定階。如果時(shí)間序列模型是AR模型，則根 據(jù)它所具有的偏相關(guān)系數(shù)的數(shù)目確定模型階數(shù)。如果時(shí)間序列模型是MA模型， 則根據(jù)它所具有的自相關(guān)系數(shù)的數(shù)目確定模型階數(shù)。如果時(shí)間序列模型是ARMA 模型，則尚不能直接確定階次。因此，如果時(shí)間序列模型為AR模型或者M(jìn)A模型，則階數(shù)已經(jīng)確定，直接 進(jìn)行參數(shù)估計(jì)。如果時(shí)間序列模型是ARMA模型，則采用從低階到高階的方法進(jìn) 行階數(shù)假設(shè)，并根據(jù)假定的階數(shù)獲取所述時(shí)間序列模型的參數(shù)，然后用F檢驗(yàn) 的方法確認(rèn)是否接受定階結(jié)果，在定階結(jié)果通過(guò)F檢驗(yàn)方法的階數(shù)確認(rèn)之前， 反復(fù)執(zhí)行向高階繼續(xù)進(jìn)行階數(shù)假設(shè)以及進(jìn)行相應(yīng)的參數(shù)估計(jì)的階數(shù)試探過(guò)程。在識(shí)別預(yù)測(cè)道路上的路況變化所屬于的時(shí)間序列模型后，可以采用矩估計(jì) 法來(lái)進(jìn)行時(shí)間序列模型的參數(shù)估計(jì)。以下結(jié)合AR、 MA、 ARMA三種模型分別對(duì)時(shí) 間序列模型的參數(shù)估計(jì)過(guò)程作詳細(xì)描述。l)如果時(shí)間序列模型為AR模型，參數(shù)的矩估計(jì)過(guò)程如下AR才莫型矩估計(jì)的重要依據(jù)是Yule-Walker方程。飛《 《"及r2(1)、A-'、2 '為了避免矩陣求逆運(yùn)算，可以采用L-D遞推算法，即按照階次從l到/ 逐 次增1的方法進(jìn)行計(jì)算。其計(jì)算步驟如下")初始化;7 = 1，由方程(l)解得(b)遞推假設(shè)已經(jīng)計(jì)算出P-i階時(shí)的夂-—1}和《-—0,則<formula>formula see original document page 19</formula>其中，<formula>formula see original document page 19</formula>(c)由《^—D遞推^階模型的殘差方差為2)如果時(shí)間序列模型為MA模型，參數(shù)的矩估計(jì)過(guò)程如下: MA模型的矩估計(jì)主要依據(jù)是其自相關(guān)方程。餘)='(2)<formula>formula see original document page 19</formula>將方程(2)轉(zhuǎn)換成下式<formula>formula see original document page 19</formula>可以用線(xiàn)性迭代法求解。具體來(lái)說(shuō)，給定4,4，…,《和《的一組初值(如《=1， .《=0，《2=》(0)/2)，將給定的初值代入式(3)右邊，將左邊所得到的結(jié)(3)果作為一步迭代值。然后將一步迭代值代入式(3)右邊，將左邊所得到的結(jié)果 作為二步迭代值，以此類(lèi)推，直到相鄰兩次迭代值結(jié)果相差小于閥值時(shí)停止迭 代，取最后的迭代結(jié)果作為參數(shù)解。3)如果時(shí)間序列模型為ARMA模型，參數(shù)的矩估計(jì)過(guò)程如下ARMA模型是AR模型和MA模型的混合，可以用如下近似的方法對(duì)其參數(shù)進(jìn) 行估計(jì)。(a) 先給出AR部分Up2,…,l的矩估計(jì)。(b) 令y,-x,+^;^+…+ l;c"，求解乂的自相關(guān)函數(shù)A(r)。(c )將y,看作近似的MA模型，并用MA參數(shù)的矩估計(jì)法求解原模型MA部分《,4，…,《以及《2的參數(shù)解。303、根據(jù)所述時(shí)間序列模型的階數(shù)和參數(shù)獲取最小方差的預(yù)測(cè)方程，作為 所述預(yù)測(cè)道^各的預(yù)測(cè)方程.時(shí)間序列(x,)預(yù)測(cè)是指在已知x,的情況下，對(duì)"/(/〉0)的未來(lái)數(shù)值;c,+,進(jìn)行 預(yù)測(cè)，該預(yù)測(cè)值用《(/)表示，并稱(chēng)為在起始時(shí)刻？向前/步的預(yù)測(cè)。選擇這樣的預(yù)測(cè)值^(/)，使得￡[<(/)]2 = ￡[1,+,-i,(/)]2取得最小值。這樣的預(yù) 測(cè)稱(chēng)為在時(shí)刻？對(duì)未來(lái)時(shí)刻,+ /的最小方差預(yù)測(cè)。最小方差的預(yù)測(cè)方程由x,+,的條件期望得出，即預(yù)測(cè)方程的 一般形式可以寫(xiě)成《五u其中, 0, /況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)^^況數(shù)據(jù)如圖5所示，具體的步驟可以為
401、 獲取所述預(yù)測(cè)道^各的實(shí)時(shí)^各況數(shù)據(jù)；
402、
,數(shù)據(jù)的趨勢(shì)
項(xiàng)；
舉例而言，可以將所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)與所述預(yù)測(cè)道路的參考均 值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)，作為所 述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)。然后，通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中 間實(shí)時(shí)路況數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。在所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)未通過(guò) 平穩(wěn)性檢驗(yàn)時(shí)，反復(fù)通過(guò)多項(xiàng)式擬合法去除所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)
據(jù)通過(guò)平穩(wěn)性檢,瞼。去除預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)的趨勢(shì)項(xiàng)的詳細(xì)過(guò)程可以參 照步驟12，在此不再贅述。 403、
預(yù)測(cè)方程獲取中間結(jié)果數(shù)據(jù)。例如，將預(yù)測(cè)道路的實(shí)時(shí)車(chē)速數(shù)據(jù)去除趨勢(shì)項(xiàng)后，
代入預(yù)測(cè)道路的預(yù)測(cè)方程，得出預(yù)測(cè)的中間結(jié)果數(shù)據(jù)。
404、為所述中間結(jié)果數(shù)據(jù)添加趨勢(shì)項(xiàng)，得到所述預(yù)測(cè)道5各的預(yù)測(cè)路況數(shù)據(jù)。 由于在預(yù)測(cè)前期的對(duì)數(shù)據(jù)進(jìn)行了去除趨勢(shì)項(xiàng)等預(yù)處理，因此，在預(yù)測(cè)之后
需要對(duì)預(yù)測(cè)的中間結(jié)果數(shù)據(jù)進(jìn)行加相同星期特征日下相同時(shí)間窗的均值以及其
他趨勢(shì)值等后續(xù)處理操作。并且，將后續(xù)處理得到的預(yù)測(cè)路況數(shù)據(jù)以文件形式輸出。
具體可以為，在預(yù)處理中進(jìn)行了去除周期性趨勢(shì)項(xiàng)的操作，即未對(duì)預(yù)測(cè)道 路的實(shí)時(shí)路況數(shù)據(jù)進(jìn)行去除其它趨勢(shì)項(xiàng)的處理時(shí)，將中間結(jié)果數(shù)據(jù)與預(yù)測(cè)道路 的參考均值進(jìn)行反差分，得到預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。在預(yù)處理中除進(jìn)行了去除周期性趨勢(shì)項(xiàng)的操作外，還對(duì)預(yù)測(cè)道路的實(shí)時(shí)路 況數(shù)據(jù)進(jìn)行去除其它趨勢(shì)項(xiàng)的處理時(shí)，先為中間結(jié)果數(shù)據(jù)添加預(yù)處理中去除的 其它趨勢(shì)項(xiàng)，然后將添加了全部其它趨勢(shì)項(xiàng)后的中間結(jié)果數(shù)據(jù)與預(yù)測(cè)道路的參 考均值進(jìn)行反差分，得到預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
本發(fā)明實(shí)施例提供的基于時(shí)間序列的交通信息預(yù)測(cè)方法，將交通信息中固 有的周期性趨勢(shì)信息與隨機(jī)波動(dòng)的部分分離，從而消除交通信息序列的周期性 趨勢(shì)，為短時(shí)交通信息預(yù)測(cè)奠定了基礎(chǔ)，并提出了動(dòng)態(tài)更新的時(shí)間序列建模方 法，使得所建立的時(shí)間序列模型更好的滿(mǎn)足交通信息時(shí)變性特點(diǎn)，提高了預(yù)測(cè) 的準(zhǔn)確性。并且，與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)交通信息的方法相比，運(yùn)算簡(jiǎn)單，提高了預(yù) 測(cè)計(jì)算的效率和速度，很大程度上滿(mǎn)足了交通信息發(fā)布的實(shí)時(shí)性要求。
通過(guò)短時(shí)交通狀態(tài)預(yù)測(cè)，可以綜合考慮未來(lái)短時(shí)期內(nèi)的交通狀況，^v而向 出行者提供符合最優(yōu)目標(biāo)的路線(xiàn)行駛方案，從微觀上，提高了每個(gè)車(chē)輛個(gè)體的
行駛效率和安全駕馬史概率；從宏觀上，交通信息發(fā)布中心通過(guò)發(fā)布實(shí)時(shí)及短時(shí) 預(yù)測(cè)路況信息等手段合理引導(dǎo)交通流，可以?xún)?yōu)化交通流在整個(gè)路網(wǎng)上的分配， 提高路網(wǎng)的利用效率。
與上述方法相對(duì)應(yīng)地，本發(fā)明實(shí)施例還提供了 一種基于時(shí)間序列的交通信 息預(yù)測(cè)裝置，如圖6所示，包括
數(shù)據(jù)統(tǒng)計(jì)分析模塊601,用于根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè) 星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的統(tǒng)計(jì)值；
數(shù)據(jù)預(yù)處理模塊602，用于根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考 路況數(shù)據(jù)的趨勢(shì)項(xiàng)；
時(shí)間序列建模模塊603,用于根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況 數(shù)據(jù)獲取所述預(yù)測(cè)道^^的預(yù)測(cè)方程；實(shí)時(shí)預(yù)測(cè)模塊604，用于根據(jù)所述預(yù)測(cè)道路的預(yù)測(cè)方程和所述預(yù)測(cè)道路的實(shí) 時(shí)路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
進(jìn)一步地，所述數(shù)據(jù)統(tǒng)計(jì)分析模塊601具體包括
歷史數(shù)據(jù)獲取子模塊，用于獲取存儲(chǔ)的歷史路況數(shù)據(jù)；
歷史數(shù)據(jù)分類(lèi)子模塊，用于按照道路和星期特征日和時(shí)間窗對(duì)所述歷史路 況數(shù)據(jù)進(jìn)行分類(lèi)；
均值方差獲取子模塊，用于根據(jù)分類(lèi)后的歷史路況數(shù)據(jù)獲取每條道路在每 個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的均值。 進(jìn)一步地，所述數(shù)據(jù)預(yù)處理模塊602具體包括
參考數(shù)據(jù)獲取子模塊，用于從歷史路況數(shù)據(jù)中獲取預(yù)測(cè)道路在參考日的每 個(gè)時(shí)間窗的路況數(shù)據(jù)，作為所述預(yù)測(cè)道路的參考路況數(shù)據(jù)；
參考均值確定子模塊，用于確定預(yù)測(cè)道路在參考日的星期特征日內(nèi)的每個(gè) 時(shí)間窗的路況數(shù)據(jù)的均值，作為所述預(yù)測(cè)道路的參考均值；
周期趨勢(shì)去除子模塊，用于將所述預(yù)測(cè)道路的參考路況數(shù)據(jù)與所述預(yù)測(cè)道 路的參考均值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的參考路況數(shù) 據(jù)，作為所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)；
平穩(wěn)性檢驗(yàn)子模塊，用于通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中間參考路況 數(shù)據(jù)或去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)進(jìn)行平穩(wěn)性檢 驗(yàn)；
其它趨勢(shì)去除子模塊，用于在所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)未通過(guò)平
趨勢(shì)項(xiàng)，直至所述去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)通過(guò) 平穩(wěn)性檢驗(yàn)。
23進(jìn)一步地，所述時(shí)間序列建模模塊603具體包括
時(shí)序模型確定子模塊，用于對(duì)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù) 據(jù)進(jìn)行相關(guān)性分析，確定所述預(yù)測(cè)道路對(duì)應(yīng)的時(shí)間序列^t型；
階數(shù)參數(shù)確定子模塊，用于根據(jù)所述時(shí)間序列模型確定所述時(shí)間序列模型 的階數(shù)和參數(shù)；
預(yù)測(cè)方程獲取子模塊，用于根據(jù)所述時(shí)間序列模型的階數(shù)和參數(shù)獲取最小 方差的預(yù)測(cè)方程，作為所述預(yù)測(cè)道路的預(yù)測(cè)方程。 進(jìn)一步地，所述階數(shù)參數(shù)確定子模塊具體包括
定階單元，用于在所述時(shí)間序列模型為自回歸模型或滑動(dòng)平均模型時(shí)，確 定自回歸模型或滑動(dòng)平均模型對(duì)應(yīng)的階數(shù)；在所述時(shí)間序列模型為自回歸滑動(dòng)
平均混合模型時(shí)，從低階到高階假定階數(shù)，直至所述假定的階數(shù)通過(guò)F檢驗(yàn)方 法的確^人；
參數(shù)確定單元，用于在所述時(shí)間序列模型為自回歸模型或滑動(dòng)平均模型時(shí)， 通過(guò)矩估計(jì)法獲取所述時(shí)間序列模型的參數(shù)；在所述時(shí)間序列模型為自回歸滑 動(dòng)平均混合模型時(shí)，根據(jù)所述定階單元假定的階數(shù)通過(guò)矩估計(jì)法獲取所述時(shí)間 序列模型的參數(shù)。
進(jìn)一步地，所述實(shí)時(shí)預(yù)測(cè)模塊604具體包括 實(shí)時(shí)數(shù)據(jù)獲取子模塊，用于獲取所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)； 數(shù)據(jù)預(yù)處理子模塊，用于根據(jù)所述預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的 實(shí)時(shí)路況數(shù)據(jù)的趨勢(shì)項(xiàng)；
中間數(shù)據(jù)獲取子模塊，用于根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的實(shí)時(shí)路況 數(shù)據(jù)和所述預(yù)測(cè)道路的預(yù)測(cè)方程獲取中間結(jié)果數(shù)據(jù)；
數(shù)據(jù)后續(xù)處理子模塊，用于為所述中間結(jié)果數(shù)據(jù)添加趨勢(shì)項(xiàng)，得到所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
進(jìn)一步地，所述數(shù)據(jù)預(yù)處理子模塊具體包括
周期趨勢(shì)去除單元，用于將所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)與所述預(yù)測(cè)道路 的參考均值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)，
作為所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)；
平穩(wěn)性檢驗(yàn)單元，用于通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù) 據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)；
其它趨勢(shì)去除單元，用于在所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)未通過(guò)平穩(wěn) 性檢驗(yàn)時(shí)，通過(guò)多項(xiàng)式擬合法去除所述預(yù) 勢(shì)項(xiàng)，直至所述去除其它趨勢(shì)項(xiàng)后的所述預(yù)觀' 穩(wěn)性檢驗(yàn)；
相應(yīng)地，所述數(shù)據(jù)后續(xù)處理子模塊具體包括
其它趨勢(shì)添加單元，用于在已對(duì)所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)進(jìn)行去除其 它趨勢(shì)項(xiàng)的處理時(shí)，為所述中間結(jié)果數(shù)據(jù)添加其它趨勢(shì)項(xiàng)；
周期趨勢(shì)添加單元，用于將所述中間結(jié)果數(shù)據(jù)或者添加其它趨勢(shì)項(xiàng)后的所 述中間結(jié)果數(shù)據(jù)，與所述預(yù)測(cè)道路的參考均值進(jìn)行反差分，得到所述預(yù)測(cè)道路 的預(yù)測(cè)路況數(shù)據(jù)。
本發(fā)明實(shí)施例提供的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，將交通信息中固 有的周期性趨勢(shì)信息與隨機(jī)波動(dòng)的部分分離，從而消除交通信息序列的周期性 趨勢(shì)，為短時(shí)交通信息預(yù)測(cè)奠定了基礎(chǔ)，并提出了動(dòng)態(tài)更新的時(shí)間序列建模方 法，使得所建立的時(shí)間序列模型更好的滿(mǎn)足交通信息時(shí)變性特點(diǎn)，提高了預(yù)測(cè) 的準(zhǔn)確性。并且，與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)交通信息的方法相比，運(yùn)算簡(jiǎn)單，提高了預(yù) 測(cè)計(jì)算的效率和速度，很大程度上滿(mǎn)足了交通信息發(fā)布的實(shí)時(shí)性要求。是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算 機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。
其中，所述的存儲(chǔ)介質(zhì)可為》茲碟、光盤(pán)、只讀存^f渚記憶體(Read-0nly Memory, ROM)或隨機(jī)存儲(chǔ)記憶體(Random Access Memory, RAM)等。
以上所述，僅為本發(fā)明的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于 此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到 變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng) 以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1、一種基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于，包括根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的統(tǒng)計(jì)值；根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路況數(shù)據(jù)的趨勢(shì)項(xiàng)；根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)方程；根據(jù)所述預(yù)測(cè)道路的預(yù)測(cè)方程和所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
2、 根據(jù)權(quán)利要求1所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于， 所述根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗 的路況數(shù)據(jù)的統(tǒng)計(jì)值包括獲取存儲(chǔ)的歷史路況數(shù)據(jù)；按照道路和星期特征日和時(shí)間窗對(duì)所述歷史路況數(shù)據(jù)進(jìn)行分類(lèi)； 根據(jù)分類(lèi)后的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間 窗的路況數(shù)據(jù)的均值。
3、 根據(jù)權(quán)利要求2所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于， 所述根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路況數(shù)據(jù)的趨勢(shì)項(xiàng)包括從歷史路況數(shù)據(jù)中獲取預(yù)測(cè)道路在參考日的每個(gè)時(shí)間窗的路況數(shù)據(jù)，作為 所述預(yù)測(cè)道路的參考路況數(shù)據(jù)；確定預(yù)測(cè)道路在參考日的星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的均值， 作為所述預(yù)測(cè)道路的參考均值；將所述預(yù)測(cè)道路的參考路況數(shù)據(jù)與所述預(yù)測(cè)道路的參考均值進(jìn)行差分，得 到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)，作為所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)；在所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)未通過(guò)平穩(wěn)性檢驗(yàn)時(shí)，通過(guò)多項(xiàng)式擬 合法去除所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)的其它趨勢(shì)項(xiàng)，直至所述去除其它 趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)通過(guò)平穩(wěn)性檢驗(yàn)。
4、根據(jù)權(quán)利要求3所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于，測(cè)方程包括對(duì)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)進(jìn)行相關(guān)性分析，確定所述預(yù)測(cè)道路對(duì)應(yīng)的時(shí)間序列模型；根據(jù)所述時(shí)間序列模型確定所述時(shí)間序列模型的階數(shù)和參數(shù)； 根據(jù)所述時(shí)間序列模型的階數(shù)和參數(shù)獲取最小方差的預(yù)測(cè)方程，作為所述預(yù)測(cè)道路的預(yù)測(cè)方程。
5、 根據(jù)權(quán)利要求4所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于， 所述根據(jù)所述時(shí)間序列模型確定所述時(shí)間序列模型的階數(shù)和參數(shù)包括在所述時(shí)間序列模型為自回歸模型或滑動(dòng)平均模型時(shí)，確定自回歸模型或 滑動(dòng)平均模型對(duì)應(yīng)的階數(shù)；通過(guò)矩估計(jì)法獲取所述時(shí)間序列模型的參數(shù)；在所述時(shí)間序列模型為自回歸滑動(dòng)平均混合模型時(shí)，從低階到高階假定階 數(shù)，并根據(jù)假定的階數(shù)通過(guò)矩估計(jì)法獲取所述時(shí)間序列模型的參數(shù)，直至所述 假定的階數(shù)通過(guò)F檢驗(yàn)方法的確認(rèn)。
6、 根據(jù)權(quán)利要求l-5任一所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特取所述預(yù)測(cè)道路的預(yù)測(cè)i 各況數(shù)據(jù)包括獲取所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)；根據(jù)去除趨;.況數(shù)據(jù)的趨勢(shì)項(xiàng);方程獲取中間結(jié)果數(shù)據(jù)；為所述中間結(jié)果數(shù)據(jù)添加趨勢(shì)項(xiàng)，得到所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
7、根據(jù)權(quán)利要求6所述的基于時(shí)間序列的交通信息預(yù)測(cè)方法，其特征在于，括到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)，作為所述預(yù)測(cè)道路的中 間實(shí)時(shí)路況數(shù)據(jù)；在所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)未通過(guò)平穩(wěn)性檢驗(yàn)時(shí)，通過(guò)多項(xiàng)式擬 合法去除所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)的其它趨勢(shì)項(xiàng)，直至所述去除其它 趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)通過(guò)平穩(wěn)性4企驗(yàn)；所述為所述中間結(jié)果數(shù)據(jù)添加趨勢(shì)項(xiàng)，得到所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù) 包括述中間結(jié)果數(shù)據(jù)與所述預(yù)測(cè)道路的參考均值進(jìn)行反差分，得到所述預(yù)測(cè)道路的 預(yù)測(cè)路況數(shù)據(jù)；在已對(duì)所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)進(jìn)行去除其它趨勢(shì)項(xiàng)的處理時(shí)，為所 述中間結(jié)果數(shù)據(jù)添加其它趨勢(shì)項(xiàng)；將添加其它趨勢(shì)項(xiàng)后的所述中間結(jié)果數(shù)據(jù)與 所述預(yù)測(cè)道路的參考均值進(jìn)行反差分，得到所述預(yù)測(cè)道^^的預(yù)測(cè)路況數(shù)據(jù)。
8、 一種基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在于，包括 數(shù)據(jù)統(tǒng)計(jì)分析模塊，用于根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的統(tǒng)計(jì)值；數(shù)據(jù)預(yù)處理模塊，用于根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路 況數(shù)據(jù)的趨勢(shì)項(xiàng)；時(shí)間序列建模模塊，用于根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù) 據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)方程；實(shí)時(shí)預(yù)測(cè)模塊，用于根據(jù)所述預(yù)測(cè)道路的預(yù)測(cè)方程和所述預(yù)測(cè)道路的實(shí)時(shí) 路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
9、 根據(jù)權(quán)利要求8所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在于， 所述數(shù)據(jù)統(tǒng)計(jì)分析^f莫塊包括歷史數(shù)據(jù)獲取子模塊，用于獲取存儲(chǔ)的歷史路況數(shù)據(jù)； 歷史數(shù)據(jù)分類(lèi)子模塊，用于按照道路和星期特征日和時(shí)間窗對(duì)所述歷史路 況數(shù)據(jù)進(jìn)行分類(lèi)；均值方差獲取子模塊，用于根據(jù)分類(lèi)后的歷史路況數(shù)據(jù)獲取每條道路在每 個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的均值。
10、 根據(jù)權(quán)利要求9所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在 于，所述數(shù)據(jù)預(yù)處理;漠塊包括參考數(shù)據(jù)獲取子模塊，用于從歷史路況數(shù)據(jù)中獲取預(yù)測(cè)道路在參考日的每 個(gè)時(shí)間窗的路況數(shù)據(jù)，作為所述預(yù)測(cè)道路的參考路況數(shù)據(jù)；參考均值確定子模塊，用于確定預(yù)測(cè)道路在參考日的星期特征日內(nèi)的每個(gè) 時(shí)間窗的路況數(shù)據(jù)的均值，作為所述預(yù)測(cè)道路的參考均值；周期趨勢(shì)去除子模塊，用于將所述預(yù)測(cè)道路的參考路況數(shù)據(jù)與所述預(yù)測(cè)道路的參考均值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)，作為所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)；平穩(wěn)性檢驗(yàn)子模塊，用于通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中間參考路況 數(shù)據(jù)或去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)進(jìn)行平穩(wěn)性檢 驗(yàn)；其它趨勢(shì)去除子模塊，用于在所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)未通過(guò)平 穩(wěn)性4企驗(yàn)時(shí)，通過(guò)多項(xiàng)式擬合法去除所述預(yù)測(cè)道路的中間參考路況數(shù)據(jù)的其它 趨勢(shì)項(xiàng)，直至所述去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道i 各的中間參考^^況數(shù)據(jù)通過(guò) 平穩(wěn)性檢驗(yàn)。
11、 根據(jù)權(quán)利要求IO所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在 于，所述時(shí)間序列建模模塊包括時(shí)序模型確定子模塊，用于對(duì)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù) 據(jù)進(jìn)行相關(guān)性分析，確定所述預(yù)測(cè)道路對(duì)應(yīng)的時(shí)間序列模型；階數(shù)參數(shù)確定子模塊，用于根據(jù)所述時(shí)間序列模型確定所述時(shí)間序列模型 的階數(shù)和參數(shù)；預(yù)測(cè)方程獲取子模塊，用于根據(jù)所述時(shí)間序列模型的階數(shù)和參數(shù)獲取最小 方差的預(yù)測(cè)方程，作為所述預(yù)測(cè)道路的預(yù)測(cè)方牙呈。
12、 根據(jù)權(quán)利要求11所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在 于，所述階數(shù)參數(shù)確定子模塊包括定階單元，用于在所述時(shí)間序列模型為自回歸模型或滑動(dòng)平均模型時(shí)，確 定自回歸模型或滑動(dòng)平均模型對(duì)應(yīng)的階數(shù)；在所述時(shí)間序列模型為自回歸滑動(dòng)平均混合模型時(shí)，從低階到高階假定階數(shù)，直至所述假定的階數(shù)通過(guò)F檢驗(yàn)方 法的確認(rèn)；參數(shù)確定單元，用于在所述時(shí)間序列模型為自回歸模型或滑動(dòng)平均模型時(shí)，通過(guò)矩估計(jì)法獲取所述時(shí)間序列模型的參數(shù)；在所述時(shí)間序列模型為自回歸滑 動(dòng)平均混合模型時(shí)，根據(jù)所述定階單元假定的階數(shù)通過(guò)矩估計(jì)法獲取所述時(shí)間 序列模型的參數(shù)。
13、 根據(jù)權(quán)利要求IO所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在 于，所述實(shí)時(shí)預(yù)測(cè)模塊包括實(shí)時(shí)數(shù)據(jù)獲取子模塊，用于獲取所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)；數(shù)據(jù)預(yù)處理子模塊，用于根據(jù)所述預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的 實(shí)時(shí)路況數(shù)據(jù)的趨勢(shì)項(xiàng)；中間數(shù)據(jù)獲取子模塊，用于根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的實(shí)時(shí)路況 數(shù)據(jù)和所述預(yù)測(cè)道路的預(yù)測(cè)方程獲取中間結(jié)果數(shù)據(jù)；數(shù)據(jù)后續(xù)處理子模塊，用于為所述中間結(jié)果數(shù)據(jù)添加趨勢(shì)項(xiàng)，得到所述預(yù) 測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
14、 根據(jù)權(quán)利要求10所述的基于時(shí)間序列的交通信息預(yù)測(cè)裝置，其特征在 于，所述數(shù)據(jù)預(yù)處理子模塊包括周期趨勢(shì)去除單元，用于將所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)與所述預(yù)測(cè)道路 的參考均值進(jìn)行差分，得到去除周期性趨勢(shì)項(xiàng)的所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)， 作為所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)；平穩(wěn)性檢驗(yàn)單元，用于通過(guò)游程檢驗(yàn)法對(duì)所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù) 據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)；其它趨勢(shì)去除單元，用于在所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)未通過(guò)平穩(wěn)勢(shì)項(xiàng)，直至所述去除其它趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的中間實(shí)時(shí)路況數(shù)據(jù)通過(guò)平穩(wěn)性檢驗(yàn)；所述數(shù)據(jù)后續(xù)處理子才莫塊包括其它趨勢(shì)添加單元，用于在已對(duì)所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)進(jìn)行去除其 它趨勢(shì)項(xiàng)的處理時(shí)，為所述中間結(jié)果數(shù)據(jù)添加其它趨勢(shì)項(xiàng)；周期趨勢(shì)添加單元，用于將所述中間結(jié)果數(shù)據(jù)或者添加其它趨勢(shì)項(xiàng)后的所 述中間結(jié)果數(shù)據(jù)，與所述預(yù)測(cè)道路的參考均值進(jìn)行反差分，得到所述預(yù)測(cè)道路 的預(yù)測(cè)路況數(shù)據(jù)。
全文摘要
本發(fā)明實(shí)施例公開(kāi)了一種基于時(shí)間序列的交通信息預(yù)測(cè)方法及裝置，涉及通信領(lǐng)域。為了能夠快速、高效、準(zhǔn)確地進(jìn)行交通信息預(yù)測(cè)，本發(fā)明提供的技術(shù)方案如下根據(jù)存儲(chǔ)的歷史路況數(shù)據(jù)獲取每條道路在每個(gè)星期特征日內(nèi)的每個(gè)時(shí)間窗的路況數(shù)據(jù)的統(tǒng)計(jì)值；根據(jù)預(yù)測(cè)道路的統(tǒng)計(jì)值去除所述預(yù)測(cè)道路的參考路況數(shù)據(jù)的趨勢(shì)項(xiàng)；根據(jù)去除趨勢(shì)項(xiàng)后的所述預(yù)測(cè)道路的參考路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)方程；根據(jù)所述預(yù)測(cè)道路的預(yù)測(cè)方程和所述預(yù)測(cè)道路的實(shí)時(shí)路況數(shù)據(jù)獲取所述預(yù)測(cè)道路的預(yù)測(cè)路況數(shù)據(jù)。
文檔編號(hào)G08G1/00GK101673463SQ20091009279
公開(kāi)日2010年3月17日 申請(qǐng)日期2009年9月17日 優(yōu)先權(quán)日2009年9月17日
發(fā)明者艷 昝, 李建軍, 生 梅, 申小次, 賈學(xué)力 申請(qǐng)人:北京世紀(jì)高通科技有限公司