一种考虑时空相关性的交通流三参数实时预测方法
【专利摘要】本发明公开一种考虑时空相关性的交通流三参数实时预测方法，在获得目标断面及其上下游断面交通流率、速度和占有率数据的基础上，建立交通流三参数多变量短时预测的状态空间模型。依据各个交通变量在不同数据采集断面的空间相关性，建立状态空间模型的观测方程；依据多个交通变量在同一数据采集断面的时间自相关和互相关性，建立状态空间模型的状态方程；采用卡尔曼滤波算法实现交通流三参数的预测及迭代更新。本发明充分挖掘交通流三参数在不同检测断面的空间相关性以及在同一断面不同变量之间的时间自相关和互相关性，采用多变量预测算法，有利于提高交通流短时预测的准确性。
【专利说明】一种考虑时空相关性的交通流三参数实时预测方法
【技术领域】
[0001] 本发明涉及交通预测领域，具体涉及一种考虑时空相关性的交通流三参数实时预 测方法。
【背景技术】
[0002] 交通流短时预测技术是智能交通领域的重要研究内容。准确、可靠地交通状况实 时预测结果是实现先进的交通信息服务、主动式交通诱导以及主动式交通信号控制等诸多 智能化交通运营管理和控制的重要数据支撑。
[0003]目前国内外对交通状况实时预测技术开展了大量研究，基于统计模型以及人工智 能等技术的预测方法不断被提出，并且预测的准确性也不断得到提高，但是现有的交通状 况预测模型的输入和输出多以单个检测断面或是单个交通变量的数据为主，在研究高速公 路及城市快速路等连续流设施的交通状况实时预测时，缺乏对连续断面交通流之间的空间 相关性以及同一断面不同交通变量之间的时间相关性等有效信息的利用。因此，深入挖掘 交通流多个变量的时空相关特性，并运用这些相关性构建交通预测的状态空间模型，可进 一步提高交通流三参数短时预测的准确性。
【发明内容】
[0004] 发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种考虑交通流 三参数在相邻数据采集断面的空间相关性和不同参数之间在同一数据采集断面的时间相 关性的交通流三参数多变量实时预测方法。
[0005] 技术方案：本发明一种考虑时空相关性的交通流三参数实时预测方法，包括以下 步骤：
[0006] (1)获取连续n个断面原始交通流三参数时间序列数据{Slt，，S2t，…，Sit，…，Snt}， 其中，Sit = (qit，〇it，vit)T，q为交通流率、〇为占有率、v断面速度，i为n个连续断面中的 第i个断面；
[0007] (2)对原始交通流三参数时间序列数据进行一阶差分运算，将原始不平稳序列转 化为平稳序列，即吨t= ▽为一阶差分运算符；
[0008] (3)选择任意三个连续断面，中间的断面作为目标研究断面，依据相邻断面交通流 三参数之间的空间相关性，采用一定时段的交通流三参数历史时间序列数据，建立形式为 多元线性回归方程的交通流三参数状态空间预测模型的观测方程
[0009]Yt = =BXt+fft [0010] 式中
[0011] Ft=(V〇tK)T 为观测向量,
[0012]
【权利要求】
1. 一种考虑时空相关性的交通流三参数实时预测方法，其特征在于：包括以下步骤： (1) 获取连续n个断面原始交通流三参数时间序列数据{slt，s2t，. . .，sit，. . .，snt}，其 中，sit = (qit，oit，vit)T，q为交通流率、o为占有率、v断面速度，i为n个连续断面中的第 i个断面； (2) 对原始交通流三参数时间序列数据进行一阶差分运算，将原始不平稳序列转化为 平稳序列，即
为一阶差分运算符； (3) 选择任意三个连续断面，中间的断面作为目标研究断面，依据相邻断面交通流三参 数之间的空间相关性，采用一定时段的交通流三参数历史时间序列数据，建立形式为多元 线性回归方程的交通流三参数状态空间预测模型的观测方程 Yt =BXt+fft 式中
其中，目标研究断面标记为"*"、目标研究断面的上游断面标记为目标研究断面 的下游断面标记为" + "； (4) 依据同一断面不同交通流三参数之间的时间滞后自相关及互相关性，采用与步骤 (3)中相同的交通流三参数历史时间序列数据，建立形式为一阶滞后向量自回归方程的交 通流三参数状态空间预测模型的状态方程 Xt =AUUt 式中 Ut = (ult,U2t,u3t)* ;
(5) 采用卡尔曼滤波算法进行基于状态空间模型的交通流三参数实时预测及迭代更 新。
2. 根据权利要求1所述的考虑时空相关性的交通流三参数实时预测方法，其特征在 于：所述步骤（1)中所采用的交通流三参数原始数据是等时间间隔的连续时间序列数据， 并且数据采集断面位于交通连续流设施上。
3. 根据权利要求1所述的考虑时空相关性的交通流三参数实时预测方法，其特征在 于：所述步骤（3)中，采用连续多天的等时间间隔数据构建交通流三参数状态空间预测模 型的观测方程。
4. 根据权利要求1所述的考虑时空相关性的交通流三参数实时预测方法，其特征在 于：所述步骤（4)采用与步骤（3)中相同的数据构建交通流三参数状态空间预测模型的状 态方程。
5. 根据权利要求1所述的考虑时空相关性的交通流三参数实时预测方法，其特征在 于：所述步骤（5)的具体步骤如下： (5. 1)设置卡尔曼滤波迭代算法初始值： P〇 = 〇
式中 P〇 =初始状态误差协方差， & =初始状态向量， Q〇 =初始状态噪声协方差， R〇 =初始观测噪声协方差， t'=用于建模和参数估计的一定时段历史数据的时间戳， 不 > =用于建模和参数估计的一定时段历史数据中状态向量的均值， N=用于建模和参数估计的一定时段历史数据的数据量， Ut^_ =用于建模和参数估计的一定时段历史数据中第j条记录的状态噪声值， 民》=用于建模和参数估计的一定时段历史数据中状态噪声的均值， Wt^_ =用于建模和参数估计的一定时段历史数据中第j条记录的观测噪声值， 用于建模和参数估计的一定时段历史数据中观测噪声的均值； (5. 2)计算t时间间隔的状态向量先验估计和状态误差协方差； (5. 3)计算t时间间隔的交通流三参数一阶差分序列预测值，并进一步反推和输出交 通流三参数水平序列预测值； (5. 4)如需进行下一时间间隔的预测，则在获得t时间间隔交通流三参数实际观测值 的基础上，计算t时间间隔的观测误差及其协方差； (5. 5)计算t时间间隔状态向量误差协方差的后验估计以及状态向量的后验估计； (5. 6)令t=t+1，重新转入步骤（5. 2)，实现基于状态空间模型的交通流三参数实时预 测及卡尔曼滤波迭代更新。
【文档编号】G08G1/01GK104408913SQ201410608291
【公开日】2015年3月11日 申请日期:2014年11月3日 优先权日:2014年11月3日
【发明者】夏井新, 聂庆慧, 李晔寒, 马党生, 安成川, 钱振东 申请人:东南大学