纵横相似的高速公路短时交通量预测方法与流程

技术特征：

1.纵横相似的高速公路短时交通量预测方法，其特征在于所采用设备为服务器A、服务器B、服务器C、计算机；其中服务器A为现有系统服务器、服务器B为数据ETL服务器、服务器C为数据仓库服务器；服务器A中的原始数据通过服务器B进行相应规则的清洗转换最终加载到服务器C中，计算机通过报表展示系统获取数据进行展现和分析；其具体的步骤如下：

步骤1、将高速公路收费数据按半小时分段以及日期进行汇总统计半小时交通量和单天交通量数据；

步骤2、根据半小时交通量数据构建纵向数据序列矩阵为，其中表示交通序列向量，a=1，2，…，n表示从最早一年开始的第几年,b =1，2，…，n，表示第a年中的第几周，c =1，2，3，4，5，6，7表示a年b周中的第几天,k=1，2，…，48 ，表示a年b周中第c天的序列向量中的第几维，即第几个数据；

步骤3、根据不同的k值将步骤2中的纵向数据序列矩阵中分为k个序列，每个序列分别利用线性回归中的最小二乘法进行规划求解，得出下一个求解结果，将这k个结果按k值从小到大组合成纵向序列平均合向量；

步骤4、构建横向数据序列矩阵，在构建横向数据序列矩阵时选取被预测日前一周的数据；

步骤5、计算横向序列平均合向量，根据横向数据序列矩阵中的7天数据加权求和获得，其中，因第1天的数据与被预测日的数据同为一类，故赋予较大权值，其余平均分配；

步骤6、确定纵向平均合向量和横向平均合向量的权值分配, 通过计算向量相似系数来确定加权系数, 设纵向平均合向量的加权系数为，因两者的加权系数之和为1，则横向平均合向量的加权系数为，利用下式求取值；

步骤7、根据步骤6中计算出的权值计算纵向平均合向量和横向平均合向量加权求和所获得纵横序列合向量；

步骤8、利用步骤1中汇总的单天交通量数据构建单天总体交通量序列向量，其中表示一个表示a年b周中第c天的总体交通量，其中a=1，2，…，n，表示从最早一年开始的第几年,b=1，2，…，n，表示第a年中的第几周；c=1，2，3，4，5，6，7表示a年b周中的第几天；

步骤9、利用线性回归中的最小二乘法对步骤8中的向量进行规划求解，得出下一个求解结果；

步骤10、分析多组半小时交通量数据可得出每天的交通量分布基本一致，可通过各时段的交通量在总体中的占比得出交通量分布律；

步骤11、将步骤9中得到的求解结果按照步骤10中得到的分布律计算分布规律数据序列向量；

步骤12、将步骤7中得到的纵横序列合向量和步骤11中得到的分布规律数据序列向量按照加和平均进行叠加得到最终的交通量预测数据序列向量；

利用以上步骤可以得到高速公路短时交通量预测数据。