一种智能交通管理系统的制作方法
【专利摘要】本发明一种智能交通管理系统，包括交通管理系统和与交通管理系统相连的预测装置，所述预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关系数矩阵生成模块、预测因子选取模块和预测模型构造模块。本发明预测精度较高且构造的预测模型更有针对性。
【专利说明】
一种智能交通管理系统
技术领域
[0001] 本发明涉及智能交通领域，具体涉及一种智能交通管理系统。
【背景技术】
[0002] 交通流量是指单位时间内通过道路某一断面的实际车辆数，是描述交通状态的重 要特征参数。交通流量的变化又是一个实时、高维、非线性、非平稳的随机过程，相关因素的 变化都可能影响下一时刻的交通流量。相关技术中，关于短时的预测装置局限性强，预测精 度较低，实时预测未能取得令人满意的结果，未能对人们的实时道路选择提供有效建议，从 而交通流量预测大部分停留在交通流量的中长期预测。
【发明内容】
[0003] 针对上述问题，本发明提供一种智能交通管理系统。
[0004] 本发明的目的采用以下技术方案来实现：
[0005] -种智能交通管理系统，包括交通管理系统和与交通管理系统相连的预测装置， 所述交通管理系统包括：
[0006] 车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。
[0007] 优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0008] 优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0009] 优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0010] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0011] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0012] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0013] ⑷平稳性检验模块，用于对处于同一类型的观测路段交通流量序列&与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0015] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，Xx?表示Xx 在时间延迟T后的交通流量序列，VX?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0016] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0017] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (w)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 \ =4.\-,(1)，.\-,(2),...,'(〃)_|^(1:)表示观测路段31在1:时刻的流量，1」(1:)表示预测路段3」在1:时 刻的流量，t = l，2,. . .n，时间相关系数Pij(T)的计算公式为：
[0019] 空间相关系数Plj(w)的计算公式为： 1 5；和5^双向可通行
[0020] pij[w)=<{).5 $ 和 & 单向可通行； 0 &和&不可通行
[0021] 优选地，预测装置还包括：
[0022] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0023] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数PU(w)构建各观测路段5 1与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵P(t)'的计算公式为： /V(0I A,)'.，.~.(〇)'
[0024] 冰)'=外齡~⑴…~⑴； _Pt 丨、L) 'P:人L) _
[0025]时空相关系数P^(t)'的计算公式为：
[0026] Pij(x)' =Pij(x)Pij(w)；
[0027] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0028] /?(r)-[/?,,(/) pj2(t) ... prn{t)\
[0029] 其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为义〃,,(,)=[A'⑴,.V/W (2…,X,,,, (，7 ,)j ,m = 1，2，? ? ? M，M的取值范围为[3，5 ]，所述历史相 关系数P#(t)的计算公式为：
[0031] (9)预测因子选取模块，用于根据所述时空相关系数阈值Ti和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟T进行矩阵重构， 选取原则为：
[0032]若Pij(T) ' >Ti，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： ^ (1) x2 (1) xp fl) V, (2) （2) .... .V,, (2)
[0033] X = 1 w 2 w p " !； A-! (/； - L, ) ,V： (/! ~ L{ ) >., Xp (/? - L,)
[0034]若P#(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0035] Y - Vi (f) V2 (/) ... Vr,-(/)
[0036] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0037] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0038] 其中，所述平稳性检验模块包括以下子模块：
[0039] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0040] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0041] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0042] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0043]本发明的有益效果为：
[0044] 1、设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造的预测 模型更有针对性；
[0045] 2、设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系数矩阵生成 模块、预测因子选取模块和预测模型构造模块，其中预测因子直接影响预测精度，相关系数 是测量随机变量相关性的指标，能够帮助选取与预测点密切相关的变量作为预测模型的训 练样本，选取多个相关系数作为预测因子，消除了最初预测因子选取的主观性，能够增加预 测精度，使预测模型构造模块更加稳定和准确；
[0046] 3、相关系数计算模块中的空间相关系数反映了路网的可达性对预测模型的影响， 时间相关系数能够表达流量序列的时间顺序，反映两序列时间上的因果关系，从而提尚预 测因子选取的效率；由于交通流量的周相似性，引入历史相关系数矩阵生成模块的历史相 关系数，同时间相关系数和空间相关系数配合使用，为准确预测提供更多的数据支持。
【附图说明】
[0047] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0048] 图1是本发明预测装置各模块的连接示意图。
[0049]图2是本发明交通管理系统示意图。
【具体实施方式】
[0050]结合以下实施例对本发明作进一步描述。
[0051 ] 实施例1
[0052]参见图1，图2,本实施例一种智能交通管理系统，包括交通管理系统和与交通管理 系统相连的预测装置，所述交通管理系统包括：
[0053]车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。 [0054]优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0055]优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0056]优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0057] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0058] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0059] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0060] (4)平稳性检验模块，用于对处于同一类型的观测路段交通流量序列t与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0062] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，Xx?表示Xx 在时间延迟t后的交通流量序列，vx?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0063] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0064] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (w)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 义二M〇,x,(2)，..., x,.(〃)j，xi (t)表示观测路段^在七时刻的流量，X」⑴表示预测路段心在七时 刻的流量，t = l，2,. . .n，时间相关系数Pij(T)的计算公式为：
[0066] 空间相关系数Pdw)的计算公式为： 1 &和&双向可通行
[0067] ^(w)= 0.5 &和&单向可通行； 0 &和&不可通行
[0068] 优选地，预测装置还包括：
[0069] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0070] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数PU(w)构建各观测路段51与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵P(t)'的计算公式为： A/(〇y Pij(〇) - A^fo)'
[_ ~⑴'~(1)' ~(1)' ； Af(L] p2.(l) ... pNl{L)_
[0072]时空相关系数P^(t)'的计算公式为：
[0073] Pij(x)' =Pij(x)Pij(w)；
[0074] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0075] ,〇(/)-[a, (/) p/:(^) ... /?,,"0)]
[0076]其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为A' 卜)=丨a./w (丨⑵，…，、 关系数P#(t)的计算公式为：
[0078] (9)预测因子选取模块，用于根据所述时空相关系数阈值h和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟t进行矩阵重构， 选取原则为：
[0079] 若Pij(〇 ' >Ti，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： 0) (丨）--'、⑴ , .V. (2) .\% (2) ... .V, (2)
[0080] X = 1 W - ' ' J>、」 xx (? - Xj) (n - ij) ... xp (n - )
[0081] 若pjm(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0082] F'- ri (/) y^.{t) ... Vcj(t)
[0083] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0084] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0085] 其中，所述平稳性检验模块包括以下子模块：
[0086] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0087] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0088] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0089] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0090] 本实施例设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造 的预测模型更有针对性;设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系 数矩阵生成模块、预测因子选取模块和预测模型构造模块，消除了最初预测因子选取的主 观性，能够增加预测精度，使预测模型构造模块更加稳定和准确;本实施例取值L = 8，M=3， 预测精度相对于相关技术提高了 1.5 %。
[0091] 实施例2
[0092]参见图1，图2,本实施例一种智能交通管理系统，包括交通管理系统和与交通管理 系统相连的预测装置，所述交通管理系统包括：
[0093]车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。 [0094]优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0095]优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0096]优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0097] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0098] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0099] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0100] (4)平稳性检验模块，用于对处于同一类型的观测路段交通流量序列t与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0102] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，X x?表示Xx 在时间延迟t后的交通流量序列，vx?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0103] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0104] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (w)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 X,. = [x; (")j，xi (t)表示观测路段Si在t时刻的流量，Xj (t)表示预测路段Sj在t时 刻的流量，t = l，2, . . .n，时间相关系数Pij(T)的计算公式为：
[0106] 空间相关系数Pdw)的计算公式为： 1 X和&双向可通行
[0107] p..(w)=< 0.5 和5^单向可通行： 0 X和\不可通行 L 1 J
[0108] 优选地，预测装置还包括：
[0109] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0110] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数Pu(w)构建各观测路段51与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵p(t)'的计算公式为： Ay(°J piM - ^(°)'
[0川],心).=A,? ~(1)，~(1)_ ; ??? _
[0112]时空相关系数Pdi)'的计算公式为：
[0113] Pij(x)' =Pij(x)Pij(w)；
[0114] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0115] p(/) =[/?,,(/) p/：(r) p/;"(>)j
[0116] 其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为％/H,(〖)=卜(1 )，.、(2(/?)j，m= 1，2，. . .M，M的取值范围为[3，^^ 关系数P#(t)的计算公式为：
[0118] (9)预测因子选取模块，用于根据所述时空相关系数阈值h和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟t进行矩阵重构， 选取原则为：
[0119]若，则将观测路段交通流量序列乂:中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： .V丨(1) v:(l) ... .v"(l) -v, (2) ⑵ … -V } (2)
[0120] [= lW 2W ; 0 ? * ? 0 ? 0 .v丨(/?-人丨）..V, (/? - L.) .. . v" (/? - )
[0121] 若Pp(t)>T2，则将所有满足条件的历史相关序列Xp(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0122] :F'=卜）少2'.卜).…(r)_
[0123] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0124] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0125] 其中，所述平稳性检验模块包括以下子模块：
[0126] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0127] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0128] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0129] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0130]本实施例设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造 的预测模型更有针对性;设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系 数矩阵生成模块、预测因子选取模块和预测模型构造模块，消除了最初预测因子选取的主 观性，能够增加预测精度，使预测模型构造模块更加稳定和准确;本实施例取值L = 9，M=3， 预测精度相对于相关技术提高了 2 %。
[0131] 实施例3
[0132] 参见图1，图2,本实施例一种智能交通管理系统，包括交通管理系统和与交通管理 系统相连的预测装置，所述交通管理系统包括：
[0133] 车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。
[0134] 优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0135] 优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0136] 优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0137] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0138] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0139] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0140] (4)平稳性检验模块，用于对处于同一类型的观测路段交通流量序列t与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0142] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，X x?表示Xx 在时间延迟t后的交通流量序列，vx?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0143] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0144] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (W)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 ;=如/〇)士(2),...,\("；^1(〇表示观测路段5 1在七时刻的流量，幻(〇表示预测路段&在七时 刻的流量，t = l，2,. . .n，时间相关系数Pij(T)的计算公式为：
[0146] 空间相关系数Pij(w)的计算公式为： '1 $和&双向可通行
[0147] yc..(vv)=< 0.5 5；和&单向可通行： 0 &和&不可通行
[0148] 优选地，预测装置还包括：
[0149] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0150] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数PU(w)构建各观测路段51与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵P(t)'的计算公式为： A,(〇): A,.(〇)…Ay/(〇)'
[0151] p(r)= ^ ^(1)，- ^ (1)，, *?-? ?：?? * ? t' Ajifl PijiM -
[0152]时空相关系数p^h)'的计算公式为：
[0153] Pij(x)' =Pij(x)Pij(w)；
[0154] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0155] /?,-.(/) .w Pjrn^)\
[0156] 其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为 A%,, (/_)=卜(2),..(/7)j，m = 1，2，. . . M，M的取值范围为[3，^ ^ 关系数P#(t)的计算公式为：
[0158] (9)预测因子选取模块，用于根据所述时空相关系数阈值h和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟t进行矩阵重构， 选取原则为：
[0159] 若，则将观测路段交通流量序列乂:中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： 、⑴ x:(丨）…' X. (2) V, (2! ... .v" (2)
[0160] Z = l W … ' ; .V, (// - (/? - /.,；) ... xp (/? - L,)
[0161] 若P#(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0162] Y = vi {t) \'2 (V)
[0163] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0164] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0165] 其中，所述平稳性检验模块包括以下子模块：
[0166] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0167] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0168] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0169] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0170]本实施例设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造 的预测模型更有针对性;设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系 数矩阵生成模块、预测因子选取模块和预测模型构造模块，消除了最初预测因子选取的主 观性，能够增加预测精度，使预测模型构造模块更加稳定和准确;本实施例取值L= 10，M = 4，预测精度相对于相关技术提高了 2.6 %。
[0171] 实施例4
[0172] 参见图1，图2,本实施例一种智能交通管理系统，包括交通管理系统和与交通管理 系统相连的预测装置，所述交通管理系统包括：
[0173]车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。 [0174]优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0175] 优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0176] 优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0177] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0178] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0179] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0180] (4)平稳性检验模块，用于对处于同一类型的观测路段交通流量序列&与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0182] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，X x?表示Xx 在时间延迟t后的交通流量序列，vx?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0183] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0184] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (w)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 八>1^(1),1;(2)，...^>；^1(〇表示观测路段5 1在七时刻的流量，^〇表示预测路段&在七时 刻的流量，t = l，2,. . .n，时间相关系数Pij(T)的计算公式为：
[0186] 空间相关系数(w)的计算公式为： 1 S,.和&双向可通行
[0187] /?..(h')=< 0.5 &和&单向可通行; 0 &和&不可通行
[0188] 优选地，预测装置还包括：
[0189] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0190] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数PU(w)构建各观测路段5 1与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵P(t)'的计算公式为： A^oj A；(°) - Av/(°)'
[0191] /，(.)：= - ^ (1)，； _Mj:(尤）/)；，(乙）.…v 丨、乙)_
[0192] 时空相关系数p^h)'的计算公式为：
[0193] Pij(x)' =Pij(x)Pij(w)；
[0194] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0195] p{t) = [PiXt) pj2{t) ... p>t{t)\
[0196] 其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为 4'.,」:丨)七⑵,…，.V,,,,(" )j，m= 1，2 厂 ^ 关系数Pp(t)的计算公式为：
[0198] (9)预测因子选取模块，用于根据所述时空相关系数阈值h和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟t进行矩阵重构， 选取原则为：
[0199] 若Pijb) ' >Ti，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： .'V丨(1) .v2(l) ... r"(l)
[0200] I 二 1W 2W ，八 ^ A-^-Z,) x2'(n-A) - ^i)
[0201] 若pjm(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0202] r' = (，）.V:⑷….R./ (/〇
[0203] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0204] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0205] 其中，所述平稳性检验模块包括以下子模块：
[0206] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0207] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0208] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0209] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0210] 本实施例设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造 的预测模型更有针对性;设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系 数矩阵生成模块、预测因子选取模块和预测模型构造模块，消除了最初预测因子选取的主 观性，能够增加预测精度，使预测模型构造模块更加稳定和准确;本实施例取值L= 11，M = 5，预测精度相对于相关技术提高了 3.2 %。
[0211] 实施例5
[0212] 参见图1，图2,本实施例一种智能交通管理系统，包括交通管理系统和与交通管理 系统相连的预测装置，所述交通管理系统包括：
[0213] 车载系统、信息采集系统、数据通讯系统、数据处理中心、法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征 在于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助 系统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。 [0214]优选地，所述车载系统包括定位模块、无线收发模块、控制模块、显示屏模块。
[0215] 优选地，所述信息采集系统采集交通流量信息、视频监控信息、公交车和网内各种 车辆的位置信息。
[0216] 优选地，预测装置包括依次连接的采集模块、数据预处理模块、数据分类模块、平 稳性检验模块、相关系数计算模块、阈值设定模块、时空相关系数矩阵生成模块、历史相关 系数矩阵生成模块、预测因子选取模块和预测模型构造模块：
[0217] (1)采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量 数据和通行情况；
[0218] (2)数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交 通实际情况的数据；
[0219] (3)数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类 型包括节假日交通流量数据、周末交通流量数据和工作日交通流量数据；
[0220] (4)平稳性检验模块，用于对处于同一类型的观测路段交通流量序列&与预测 路段&的交通流量序列X」分别进行平稳性检验，检验平稳性的自相关函数为：
[0222] 其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，X x?表示Xx 在时间延迟t后的交通流量序列，vx?为Xx?的均值，〇2为X x与Xx?之间的方差；
[0223] 当自相关函数P(t)能快速衰减趋近于〇或在〇附近波动，则所述待检验交通流量序 列通过平稳性检验；当自相关函数P( t)不能快速衰减趋近于0或在0附近波动，则对所述待 检验交通流量序列进行平稳处理后继续进行平稳性检验；
[0224] (5)相关系数计算模块，用于计算通过平稳性检验的观测路段交通流量序列& 与预测路段Sj的交通流量序列Xj在时间延迟T下的时间相关系数Pij⑴和空间相关系数Pij (w)，设路网S内有N个路段，交通流量序列Xi = [Xi(l)，Xi(2)，. . .，Xi(n)]，交通流量序列 义,.=[X, (l),x, (2),...,x, (，;)j，Xi (t)表示观测路段Si在t时刻的流量，Xj (t)表示预测路段Sj在t时 刻的流量，t = l，2,. . .n，时间相关系数Pij(T)的计算公式为：
[0226] 空间相关系数Pdw)的计算公式为： "l 和&双向可通行
[0227] >Cy(w) = < 0.5 5；和&单向可通行； 0 &和&不可通行
[0228] 优选地，预测装置还包括：
[0229] (6)阈值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阈值 Ti和历史相关系数阈值T2;
[0230] (7)时空相关系数矩阵生成模块，用于根据各路段的时间相关系数和空间相 关系数PU(w)构建各观测路段5 1与预测路段&在不同时间延迟t下的时空相关系数矩阵p (丁）'，并计算各路段的时空相关系数9^(4'，其中1￡[1，扪且1￡[0丄]儿的取值范围为[8， 12]，时空相关系数矩阵P(t)'的计算公式为： A/W A; (〇)'??' Piv/(0)'
[0231] p(r)=约谢~⑴~⑴； _Pu(L) P：XL)
[0232]时空相关系数P^h)'的计算公式为：
[0233] Pij(x)' =Pij(x)Pij(w)；
[0234] (8)历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):
[0235] =[/;.,(/) p.2(t) ... p.Xt)\
[0236] 其中，选取近M周的同期且同一类型的历史流量作为交通流量序列X」的历史相关 序列，记为Y=卜卩(丨),.V/H, (2),…，x/V,, (/?)_|，m = 1，2，…M，M的取值范围为[3，5 ]，所述历史相 关系数P#(t)的计算公式为：
[0238] (9)预测因子选取模块，用于根据所述时空相关系数阈值h和历史相关系数阈值T2 选取与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟t进行矩阵重构， 选取原则为：
[0239]若Pij(T) ' >Ti，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新 的序列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，xP'），其中p为所述满足条件的交 通流量个数，设Li为第一预测因子中时间延迟的最大值，Li = max{T卜G [0，L]and Pij(T) ' >h}，则第一预测因子X '可表述成如下矩阵形式： (1) x2 (1) ... xp (l) . .V, (2) A% (2) -V (2)
[0240] I = 1W 2 W p\ !、 '"1 (? - A ) x2(" -… '-丨-h)_
[0241] 若pjm(t)>T2，则将所有满足条件的历史相关序列Xjm(t)作为第二预测因子，记作 Y '，Y ' = {yi '，y2 '，. . .，yq '}，其中q为满足条件的历史流量个数，第二预测因子Y '可表述成 如下矩阵形式：
[0242] I/' = lji，(r)' W(?) ... yt,'(t)
[0243] (10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来 构造可预测路段在下一时刻的交通流量的预测模型。
[0244] 其中，所述数据预处理模块中，剔除所述不符合交通实际情况的数据的规则为:在 一个数据更新周期内，分别设定各路段的总交通流量数据的阀值范围，若采集到的某路段 的总交通流量数据落在对应的阈值范围内，则表明该组数据可靠，保留该组数据;若采集到 的某路段的总交通流量数据落不在对应的阈值范围内，则表明该组数据不可靠，并将其剔 除。
[0245] 其中，所述平稳性检验模块包括以下子模块：
[0246] (1)检验子模块，用于对处于同一类型的观测路段的交通流量序列与预测路段的 交通流量序列分别进行平稳性检验；
[0247] (2)连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交 通流量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对 数据进行补齐；
[0248] (3)排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用 平均插值法对数据进行补齐；
[0249] (4)差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差 分处理，并将差分处理后的数据传送到检验子模块。
[0250] 本实施例设置数据分类模块和平稳性检验模块，增加了数据的准确度，且使构造 的预测模型更有针对性;设置相关系数计算模块、时空相关系数矩阵生成模块、历史相关系 数矩阵生成模块、预测因子选取模块和预测模型构造模块，消除了最初预测因子选取的主 观性，能够增加预测精度，使预测模型构造模块更加稳定和准确;本实施例取值L= 12，M = 5，预测精度相对于相关技术提高了 3.5 %。
[0251]最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种智能交通管理系统，包括交通管理系统和与交通管理系统相连的预测装置，所 述交通管理系统包括： 车载系统、信息采集系统、数据通讯系统、数据处理中屯、、法规服务系统、指挥救助系 统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统，其特征在 于信息采集系统、数据通讯系统依次相连，数据通讯系统分别与法规服务系统、指挥救助系 统、路牌信息系统、信息广播系统、公交服务系统、集团用户系统、信息查询系统相连。2. 根据权利要求1所述的一种智能交通管理系统，其特征是，所述车载系统包括定位模 块、无线收发模块、控制模块、显示屏模块。3. 根据权利要求2所述的一种智能交通管理系统，其特征是，所述信息采集系统采集交 通流量信息、视频监控信息、公交车和网内各种车辆的位置信息。4. 根据权利要求3所述的一种智能交通管理系统，其特征是，所述预测装置包括依次连 接的采集模块、数据预处理模块、数据分类模块、平稳性检验模块、相关系数计算模块、阔值 设定模块、时空相关系数矩阵生成模块、历史相关系数矩阵生成模块、预测因子选取模块和 预测模型构造模块： (1) 采集模块，用于采集路网S内观测路段Si、预测路段&对应各时间段的交通流量数据 和通行情况； (2) 数据预处理模块，用于对所述交通流量数据进行数据预处理，并剔除不符合交通实 际情况的数据； (3) 数据分类模块，用于对经过数据预处理的交通流量数据进行类型分类，所述类型包 括节假日交通流量数据、周末交通流量数据和工作日交通流量数据； (4) 平稳性检验模块，用于对处于同一类型的观测路段Si的交通流量序列Xi与预测路段 Sj的交通流量序列、分别进行平稳性检验，检验平稳性的自相关函数为：其中，Xx表示待检验交通流量序列，Vi表示待检验交通流量序列的均值，Xxm表示Xx在时 间延迟T后的交通流量序列，Vxm为Xxm的均值，O2为Xx与Xxm之间的方差； 当自相关函数P( T )能快速衰减趋近于0或在0附近波动，则所述待检验交通流量序列通 过平稳性检验；当自相关函数P( T )不能快速衰减趋近于0或在0附近波动，则对所述待检验 交通流量序列进行平稳处理后继续进行平稳性检验； (5) 相关系数计算模块，用于计算通过平稳性检验的观测路段Si的交通流量序列Xi与预 路段Sj的交通流量序列X庙时间延迟T下的时间相关系数Pij (T)和空间相关系数Pij(W), 设路网S内有N个路段，交通流量序列Xi=[xi(l)，xi(2)，...，xi(n)]，交通流量序列 人，二k (I )A (2)，..一Xi(t)表示观测路段Si在t时刻的流量，Xj (t)表示预测路段Sj在t时 刻的流量，t = l，2,.. .n，时间相关系数Pij(T)的计算公式为；空间相关系数PU(W)的计算公式为：5.根据权利要求4所述的一种智能交通管理系统，其特征是， (6) 阔值设定模块，用于设定各路段之间的时间延迟最大值L、时空相关系数阔值Tl和历 史相关系数阔值T2; (7) 时空相关系数矩阵生成模块，用于根据各路段的时间相关系数PU(T)和空间相关系 数PU(W)构建各观测路段Si与预测路段&在不同时间延迟T下的时空相关系数矩阵P(T) '， 并计算各路段的时空相关系数01^1)'，其中1￡[1，^且1￡[〇，1^，1的取值范围为[8，12]， 时空相关系数矩阵P(T) '的i+當公古九，时空相关系数PU(T) '的计算公式为： Pij(T)'=化j(T)化 j(w); (8) 历史相关系数矩阵生成模块，用于生成预测路段&的历史相关系数矩阵P(t):其中，选取近M周的同期且同一类型的历史流量作为交通流量序列、的历史相关序列， 记文，m=l，2, . . .M，M的取值范围为[3,5]，所述历史相关系 数Pjm(t)的计算公式为：(9) 预测因子选取模块，用于根据所述时空相关系数阔值Tl和历史相关系数阔值T2选取 与预测目标点相关的预测因子，并按照其所选空间位置j与时间延迟T进行矩阵重构，选取 原则为： 若口1如）'>1'1，则将观测路段Si的交通流量序列Xi中满足条件的交通流量组成新的序 列并作为第一预测因子，记做X'，X' = (X1'，X2'，. . .，Xp'），其中P为所述满足条件的交通流 量个数，设^为第一预测因子中时间延迟的最大值，Li=max{T I TG [〇,L]and化j(T) ' >Ti}， 则第一预测因子X'可表述成如下矩阵形式：若P心t)>T2,则将所有满足条件的历史相关序列)Ut)作为第二预测因子，记作Y'，Y' = {yi'，y2'，...，yq'}，其中q为满足条件的历史流量个数，第二预测因子Y'可表述成如下矩 阵形式：(10)预测模型构造模块，其通过将第一预测因子和第二预测因子作为训练样本来构造 可预测路段在下一时刻的交通流量的预测模型。6. 根据权利要求5所述的一种智能交通管理系统，其特征是，所述数据预处理模块中， 剔除所述不符合交通实际情况的数据的规则为:在一个数据更新周期内，分别设定各路段 的总交通流量数据的阀值范围，若采集到的某路段的总交通流量数据落在对应的阔值范围 内，则表明该组数据可靠，保留该组数据;若采集到的某路段的总交通流量数据落不在对应 的阔值范围内，则表明该组数据不可靠，并将其剔除。7. 根据权利要求6所述的一种智能交通管理系统，其特征是，所述平稳性检验模块包括 W下子模块： (1) 检验子模块，用于对处于同一类型的观测路段Si的交通流量序列Xi与预测路段Sj的 交通流量序列^分别进行平稳性检验； (2) 连续性检查子模块，与检验子模块连接，用于对不通过平稳性检验的待检验交通流 量序列进行连续性检查，若不符合连续性，所述连续性检查子模块采用平均插值法对数据 进行补齐； (3) 排错子模块，与连续性检查子模块连接，用于删除明显错误的数据，同时采用平均 插值法对数据进行补齐； (4) 差分处理子模块，连接排错子模块和检验子模块，用于对补齐后的数据进行差分处 理，并将差分处理后的数据传送到检验子模块。
【文档编号】G08G1/01GK105913654SQ201610521961
【公开日】2016年8月31日
【申请日】2016年6月29日
【发明人】不公告发明人
【申请人】肖锐