基于最小變異系數(shù)評(píng)價(jià)及推理模型的道路通堵預(yù)測(cè)方法
【專利摘要】本發(fā)明公開了一種基于最小變異系數(shù)評(píng)價(jià)及推理模型的道路通堵預(yù)測(cè)方法，通過對(duì)車載GPS歷史數(shù)據(jù)的樣本分析和挖掘，利用變異系數(shù)評(píng)價(jià)法和采樣滾動(dòng)周期道路車流特性推理模型構(gòu)建技術(shù)，解決了通過浮動(dòng)車數(shù)據(jù)分析推理出道路短時(shí)通堵和未來(lái)通堵趨勢(shì)問題；本發(fā)明采用基于GPS典型樣本分析，通過道路通堵分析模型參數(shù)優(yōu)化技術(shù)獲得統(tǒng)計(jì)周期具有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型支持和較廣泛的適用性；通過構(gòu)建道路車流特性模型快速得到道路情境屬性類型和對(duì)應(yīng)的規(guī)則庫(kù)關(guān)系，基于知識(shí)推理得到的道路通堵趨勢(shì)預(yù)測(cè)能力，極大地提升了其統(tǒng)計(jì)效率和服務(wù)水平。
【專利說(shuō)明】基于最小變異系數(shù)評(píng)價(jià)及推理模型的道路通堵預(yù)測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于最小變異系數(shù)的優(yōu)選統(tǒng)計(jì)周期方法，尤其涉及一種基于最小變異 系數(shù)評(píng)價(jià)及推理模型的道路通堵預(yù)測(cè)方法。

【背景技術(shù)】
[0002] 從20世紀(jì)60年代開始，人們開始將其它領(lǐng)域應(yīng)用成熟的預(yù)測(cè)模型用于交通流量 預(yù)測(cè)領(lǐng)域，開發(fā)了多種預(yù)測(cè)模型和方法，如時(shí)間序列模型，歷史趨勢(shì)模型，Kalman濾波模型 和神經(jīng)網(wǎng)絡(luò)模型等。
[0003] 由于時(shí)間序列模型建模簡(jiǎn)單、容易理解，特別適用于穩(wěn)定的交通量預(yù)測(cè)，故在國(guó)內(nèi) 外得到較為廣泛的應(yīng)用。近幾年，國(guó)內(nèi)一些學(xué)者進(jìn)一步將時(shí)間序列模型，應(yīng)用到交通流量實(shí) 時(shí)預(yù)測(cè)中。但當(dāng)交通狀況變化急劇時(shí)，該模型在預(yù)測(cè)延遲方面也暴露出明顯的不足。
[0004] 歷史趨勢(shì)模型從1981年開始，就有許多國(guó)外學(xué)者將其應(yīng)用于城市交通控制系統(tǒng)。 但該模型假設(shè)交通狀況是周期性發(fā)生的，即具有相同歷史趨勢(shì)的一天里，各路段在同一時(shí) 段具有相同的交通流量。這一假設(shè)太苛刻，往往未能反映動(dòng)態(tài)交通流基本的不確定特性，故 適用性較差。
[0005] 由于20世紀(jì)60年代提出的卡爾曼（Kalman)濾波是一種比較先進(jìn)的數(shù)據(jù)處理 方法，具有預(yù)測(cè)因子選擇靈活、精度較高的優(yōu)點(diǎn)。1984年開始國(guó)外一些學(xué)者如Okutani和 Stephanedes等提出了用于交通量預(yù)測(cè)的卡爾曼濾波模型。1999開始國(guó)內(nèi)一些學(xué)者如朱中 等對(duì)此也進(jìn)行頗有成效的研究。但由于該方法需要作大量的矩陣和向量運(yùn)算，導(dǎo)致算法較 為復(fù)雜，難以用于實(shí)施在線預(yù)測(cè)。
[0006] 1987年開始，Lapedes和Farben等一些國(guó)外學(xué)者將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于預(yù)測(cè)領(lǐng) 域，取得很好的成效。從1998年開始，國(guó)外一些學(xué)者如Pank和Rilott等和國(guó)內(nèi)一些學(xué)者 如楊兆升等將神經(jīng)網(wǎng)絡(luò)模型用于行程時(shí)間和交通流量的預(yù)測(cè)。這一方法同樣由于算法效率 不高，一般適用于中、長(zhǎng)期的預(yù)測(cè)。
[0007] 總體上，在以往的研究中，交通流量的中、長(zhǎng)期預(yù)測(cè)已取得較好的研究成果。然而， 由于對(duì)未來(lái)幾分鐘內(nèi)交通流量的短期預(yù)測(cè)，受隨機(jī)干擾大而不確定因素影響明顯等原因， 關(guān)于短期交通流量實(shí)時(shí)預(yù)測(cè)模型的研究還未能取得令人滿意的成果。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于最小變異系數(shù)評(píng)價(jià)及推理 模型的道路通堵預(yù)測(cè)方法。具體包括以下步驟：
[0009] (1)通過最小變異系數(shù)評(píng)價(jià)方法，基于四個(gè)優(yōu)化模型從海量GPS數(shù)據(jù)中推導(dǎo)出統(tǒng) 計(jì)周期，該方法包括如下子步驟：
[0010] (1.1)通過優(yōu)化模型1對(duì)周車輛數(shù)變異系數(shù)分析得到各樣本路段上的周車輛數(shù)最 小變異系數(shù)Y Th和所對(duì)應(yīng)的季節(jié)T，該季節(jié)T即為典型季；所述優(yōu)化模型1具體如下：
[0011]

【權(quán)利要求】
1.基于最小變異系數(shù)評(píng)價(jià)及推理模型的道路通堵預(yù)測(cè)方法，其特征在于，包括以下步 驟： (1)通過最小變異系數(shù)評(píng)價(jià)方法，基于四個(gè)優(yōu)化模型從海量GPS數(shù)據(jù)中推導(dǎo)出統(tǒng)計(jì)周 期，該方法包括如下子步驟： (I. 1)通過優(yōu)化模型1對(duì)周車輛數(shù)變異系數(shù)分析得到各樣本路段上的周車輛數(shù)最小變 異系數(shù)YTh和所對(duì)應(yīng)的季節(jié)T，該季節(jié)T即為典型季；所述優(yōu)化模型1具體如下：
其中，h為路段號(hào)，h取值范圍1到3 ;t為季節(jié)號(hào)，t取值范圍1到4,t= 1為春季，t=2為夏季，t= 3為秋季，t= 4為冬季；Eth為t季、h號(hào)路段的周車輛數(shù)均值；Sth為t 季、h號(hào)路段的周車輛數(shù)標(biāo)準(zhǔn)差；Yth為t季、h號(hào)路段的周車輛數(shù)變異系數(shù)； Y Th -Klin(Y lh, Y2h)Y3h)Y4h) 則T表示路段h上的周車輛數(shù)最小變異系數(shù)所對(duì)應(yīng)的季節(jié)； (1. 2)基于優(yōu)化模型2得到典型月和典型周值，這兩個(gè)值作為峰區(qū)選擇的采樣時(shí)段；所 述優(yōu)化模型2具體如下：
其中，i為各季節(jié)的序列月份號(hào)，i取值范圍為1到3 ;j為各月周次號(hào)，j取值范圍為1 到任意正整數(shù)；為各季節(jié)第i月第j周的車流周車輛數(shù)；&為某季第i月的車流周車輛 數(shù)；^為某季第j周的車流周車輛數(shù)，Au為相對(duì)差距，X；為周相對(duì)差距的加權(quán)平均值，公 式如下：
?作為典型周選擇的判據(jù)，記,則J為典型周號(hào)； 八^作為典型月選擇的判據(jù)，記八1」=1^(八1」，八2」，八3」），則1為典型月號(hào)； (1. 3)基于各路段日車輛數(shù)，通過優(yōu)化模型3,首先得出各路段日車輛數(shù)狀態(tài)值，通過 車輛數(shù)狀態(tài)均值匯總得到典型高峰日；其次通過統(tǒng)計(jì)方法獲得各季節(jié)各采樣路段的峰區(qū)規(guī) 律情況；所述優(yōu)化模型3具體如下：
其中，為路段h第i月第j星期的日車輛數(shù)狀態(tài)值，e{1,2,...,7};h取值范圍 為1到3,i取值范圍為1到12,j取值范圍為1到7 ; 第i星期日車輛數(shù)狀態(tài)合計(jì)值ZZ^表示為：
取ZZl =max(ZZ11ZZw1ZZ7I，L取值范圍為 1 到 7， 則L為典型高峰日； 將ZZpj取值范圍為1到7中與ZZ^差值最小的星期歸總作為高峰日，其余星期則作為 正常日； (1. 4)通過優(yōu)化模型4,計(jì)算得到各采樣路段對(duì)應(yīng)峰區(qū)的統(tǒng)計(jì)周期長(zhǎng)度； 優(yōu)化模型4具體為：
其中，c為備選的統(tǒng)計(jì)周期號(hào)，c取值范圍為1到5 ;d為峰區(qū)號(hào)，d取值范圍為1到任意 正整數(shù)；Eed為第c號(hào)統(tǒng)計(jì)周期第d號(hào)峰區(qū)的車流均速；Sed為第c號(hào)統(tǒng)計(jì)周期第d號(hào)峰區(qū) 的車流速度標(biāo)準(zhǔn)差；YM為第c號(hào)統(tǒng)計(jì)周期第d號(hào)峰區(qū)的車流速度變異系數(shù)； 取YM =min(Yld,Y2d,. ..，Y5d)時(shí)C的值,則備選的統(tǒng)計(jì)周期長(zhǎng)度Sc =C+1 ; 車流速度最小變異系數(shù)YmK對(duì)應(yīng)的S。即為對(duì)應(yīng)峰區(qū)d的統(tǒng)計(jì)周期長(zhǎng)度； (2)根據(jù)步驟1得到的典型季、典型月、典型周、峰區(qū)時(shí)段及統(tǒng)計(jì)周期長(zhǎng)度，構(gòu)建道路通 堵趨勢(shì)預(yù)測(cè)的推理模型，具體包括以下子步驟： (2. 1)根據(jù)簡(jiǎn)單算術(shù)平均濾波模型，從海量GPS歷史數(shù)據(jù)中得到濾波后的車流平均速 度； (2. 2)采用線性回歸預(yù)測(cè)方法對(duì)步驟2. 1濾波后的時(shí)間序列缺損數(shù)據(jù)進(jìn)行補(bǔ)遺； (2. 3)定義采樣滾動(dòng)時(shí)區(qū)，具體方法為： 定義I:Tk為采樣滾動(dòng)時(shí)區(qū)標(biāo)識(shí)，k為時(shí)區(qū)號(hào)，k取值范圍為1到正無(wú)窮； P為采樣滾動(dòng)時(shí)區(qū)內(nèi)統(tǒng)計(jì)周期號(hào)，P取值范圍為1到任意正整數(shù)；tk(P)為第k號(hào)采樣滾動(dòng)時(shí)區(qū)內(nèi)時(shí)點(diǎn)標(biāo)識(shí)； 其中，tk(l)為k號(hào)采樣滾動(dòng)時(shí)區(qū)的起始時(shí)亥lj，且tk+p(l) =tk(l) +AT于是，設(shè)定n為P取值范圍內(nèi)的任意正整數(shù)，Tk=Itk(P)|p= 1，2,. . .，n}; 定義2: 為Tk第q號(hào)子時(shí)區(qū)標(biāo)識(shí)，q取值范圍1到3
(2.4)構(gòu)建道路通堵趨勢(shì)預(yù)測(cè)的推理模型，包括四個(gè)子模型，具體如下： (2. 4. 1)第一基本模型：基于Tk車流均速的計(jì)算模型，得到車流平均速度序列，具體 為； 記g)為在時(shí)區(qū)Tk內(nèi)，序列為g的車流平均速度序列，g取值范圍為1到任意正整 數(shù)； Vl(k)為針對(duì)子時(shí)區(qū)Mw的車流均速； V2(k)為針對(duì)子時(shí)區(qū)的車流均速； V3(k)為針對(duì)子時(shí)區(qū)TVf的車流均速； VO(k)為針對(duì)時(shí)區(qū)T最后一個(gè)統(tǒng)計(jì)周期的車流均速； V(k)為針對(duì)時(shí)區(qū)T最后兩個(gè)統(tǒng)計(jì)周期的車流均速；
(2. 4. 2)第二基本模型：基于Tk車流均速總體變化率計(jì)算模型，得到dV(k); 記dV(k)為針對(duì)時(shí)區(qū)Tk車流均速的總體變化率， 顯然，dV(k) = (V3(k)-Vl(k))/n2 若dV(k)>0,代表車流均速呈遞增狀態(tài)； 若dV(k)〈0,代表車流均速呈遞減狀態(tài)； 若dV(k) = 0,代表車流均速總體不變； (2.4.3) 第三基本模型：基于Tk車流均速時(shí)間序列曲線總體凹性分析模型，得到 ddV(K)； 記ddV(k)為針對(duì)時(shí)區(qū)Tk車流均速時(shí)間序列曲線的總體凹性， 顯然，ddV(k)=V3(k)-2V2(k)+Vl(k); 若ddV(k)>0,代表時(shí)區(qū)Tk內(nèi)車流均速時(shí)間序列曲線呈凹狀； 若ddV(k)〈0,代表時(shí)區(qū)Tk內(nèi)車流均速時(shí)間序列曲線呈凸?fàn)睿? 若ddV(k) = 0,代表時(shí)區(qū)Tk內(nèi)車流均速總體變化趨勢(shì)不變； (2.4.4) 第四基本模型：基于車流運(yùn)行特征分析特殊模型，得到特殊情況下的車流均 速、dV(k)和ddV(K); 第一特殊模型（n= 3)
(2. 5)根據(jù)步驟4中四個(gè)基本模型的構(gòu)建結(jié)果，得出基于GPS實(shí)時(shí)數(shù)據(jù)路段狀況的情境 知識(shí)庫(kù)；具體為： 基于第一基本模型，將車流均速的大小劃分成快、中等、慢、很慢四個(gè)等級(jí)，其對(duì)應(yīng)狀態(tài) 值分別是3、2、1、0,車流均速取值范圍分別是〉V3、（V2，V3]、（V1，V2]、（0，V1]; 記Kl為對(duì)應(yīng)V(k)的狀態(tài)變量， K2為對(duì)應(yīng)VO(k)的狀態(tài)變量， 于是，存在如下事實(shí)： 事實(shí)I=K1G{3, 2, 1，0}， 事實(shí) 2 :K2G{3, 2, 1，0}; 基于第二基本模型與第三基本模型得出的dV(k)，ddV(k)取值的正負(fù)，對(duì)這兩個(gè)變量 所對(duì)應(yīng)之狀態(tài)變量K3及K4按0-1方式進(jìn)行賦值，具體為dV(k) > 0時(shí)，對(duì)應(yīng)狀態(tài)變量K3 = I;dV(k)〈0，K3 = 0 ;ddV(k)彡 0 時(shí)：對(duì)應(yīng)狀態(tài)變量K4 =I;ddV(k)〈0 時(shí)：K4 = 0,于是，存在 如下事實(shí)： 事實(shí) 3 :K3G{〇, 1}， 事實(shí) 4 :K4G{〇, 1}， 事實(shí)1-事實(shí)4構(gòu)成了基于GPS實(shí)時(shí)數(shù)據(jù)路段狀況的一類情境知識(shí)，將事實(shí)1和事實(shí)2 所構(gòu)成的情境知識(shí)庫(kù)記為事實(shí)庫(kù)1，將事實(shí)3和事實(shí)4所構(gòu)成的情境知識(shí)庫(kù)記為事實(shí)庫(kù)2 ; (2. 6)基于事實(shí)庫(kù)1構(gòu)建路段短期通堵狀況分析的規(guī)則庫(kù)1，基于事實(shí)庫(kù)2構(gòu)規(guī)則庫(kù)2， 具體為： (2. 6. 1)規(guī)則庫(kù)1的構(gòu)建如下： 規(guī)則1 :如果KJK2 > 5那么"路段通暢"，且KK= 1 ; 規(guī)則2 :如果KJK2 = 4那么"路段基本通暢"，且KK= 1 ; 規(guī)則3 :如果KJK2 = 3那么"路段通堵臨界狀態(tài)"，且KK=O; 規(guī)則4 :如果KJK2 = 2那么"路段有所堵塞"，且KK=O; 規(guī)則5 :如果KJK2彡1那么"路段堵塞"，且KK=O; (2. 6. 2)規(guī)則庫(kù)2的構(gòu)建如下： 規(guī)則6 :如果（KK=I)n(K3 =I)n(K4 = 1)，那么"路段將繼續(xù)通暢"； 規(guī)則7 :如果（KK=I)n(K3 =I)n(K4 = 0)，那么"路段通暢度可能降低"； 規(guī)則8 :如果[(KK=I)n(K3 = 0)]U(KK= 0)n(K3 = 1)，那么"路段介于通堵臨 界狀態(tài)"； 規(guī)則9 :如果（KK= 0)n(K3 = 0)n(K4 = 1)，那么"路段堵塞狀況可能緩解"； 規(guī)則10 :如果（KK= 0)n(K3 = 0)n(K4 = 0)，那么"路段將繼續(xù)堵塞"； (2. 7)描述非正常情況是否出現(xiàn)的情境知識(shí)構(gòu)成事實(shí)庫(kù)3 ;描述非正常情況嚴(yán)重等級(jí) 的情境知識(shí)構(gòu)成事實(shí)庫(kù)4 ; 設(shè)非正常情況包括：第一類非正常情況，出現(xiàn)交通事故或道路破損事故或氣候狀況惡 化，簡(jiǎn)稱情況1，它屬于隨機(jī)出現(xiàn)的非正常情況；第二類非正常情況，因特殊原因封道或道 路計(jì)劃休整封道，簡(jiǎn)稱情況2,它屬于計(jì)劃安排的非正常情況； 針對(duì)情況1，將其嚴(yán)重等級(jí)劃分為三級(jí)等級(jí)：嚴(yán)重、較嚴(yán)重、一般； 針對(duì)情況2,將其嚴(yán)重等級(jí)劃分為二級(jí)等級(jí)：全封道、半封道； 設(shè)：情況1是否出現(xiàn)的狀態(tài)變量為F1 ;情況2是否出現(xiàn)的狀態(tài)變量為F2，這就形成情境 知識(shí)： 事實(shí) 5T1e{1,0} 事實(shí) 6 :F2G{1,0} Fi = 1表示對(duì)應(yīng)i的非正常情況出現(xiàn)；反之不出現(xiàn)，iG{1. 2}; 事實(shí)5和事實(shí)6構(gòu)成事實(shí)庫(kù)3 ; 設(shè)：描述情況1嚴(yán)重等級(jí)的狀態(tài)變量為KF1，描述情況2嚴(yán)重等級(jí)的狀態(tài)變量為KF2,這 就形成情境知識(shí)： 事實(shí) 7:KFiG{2, 1，0} 事實(shí) 8 :KF2e{1,0} 描述非正常情況出現(xiàn)前道路瞬時(shí)通堵狀況的歸納性情境知識(shí)： 事實(shí) 9:KKe{1，0} KK= 0為非正常情況出現(xiàn)前道路瞬時(shí)堵塞； 事實(shí)7?事實(shí)9構(gòu)成事實(shí)庫(kù)4 ; (2. 8)基于事實(shí)庫(kù)3和事實(shí)庫(kù)4構(gòu)建規(guī)則庫(kù)3,所述規(guī)劃庫(kù)3包括如下規(guī)則： 規(guī)則11 :如果KK= InKF1 = 2 nF1 = IUF2 = 1，那么"路段將轉(zhuǎn)為嚴(yán)重堵塞"； 規(guī)則12 :如果KK= InKF1 = InF1 = IUF2 = 1，那么"路段將轉(zhuǎn)為堵塞"； 規(guī)則13 :如果KK= InKF1 = OnF1 = IUF2 = 1，那么"路段將可能有所堵塞"； 規(guī)則14 :如果KK= OnKF1 = 2 nF1 = IUF2 = 1，那么"路段更為堵塞"； 規(guī)則15 :如果KK= OnKF1 = InF1 = IUF2 = 1，那么"路段繼續(xù)堵塞"； 規(guī)則16 :如果KK= OnKF1 = OnF1 = IUF2 = 1，那么"路段繼續(xù)有所堵塞"。 (3)將經(jīng)過過濾和補(bǔ)遺處理的GPS實(shí)時(shí)數(shù)據(jù)輸入車流運(yùn)行特性分析推理模型，通過模 型的情境知識(shí)事實(shí)庫(kù)研判，獲得數(shù)據(jù)所對(duì)應(yīng)的道路通堵狀況預(yù)測(cè)結(jié)果。
【文檔編號(hào)】G08G1/00GK104268642SQ201410470131
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月16日 優(yōu)先權(quán)日:2014年9月16日
【發(fā)明者】陳海波, 韓海航, 朱莉, 呂夢(mèng)嬌, 周必棣, 豐駿 申請(qǐng)人:杭州文海信息技術(shù)有限公司