一种交通流特征参数时空相关性分析方法与流程

本发明涉及自动化领域，具体的，涉及一种交通流特征参数时空相关性分析方法。

背景技术：

交通流特征参数指描述道路交通流特征的重要参数的统称。随着我国城镇化的推进，居民出行需求的增加以及ITS技术的快速发展等多重因素的共同影响下，大城市交通网络中所呈现的交通流特性变得更加复杂化。随着先进的科技手段在交通方面的应用，新的数据挖掘方法、先进的交通管控策略及实时更新的交通通行信息发布技术等的普及应用，研究人员已逐步开始针对我国实际情况的大城市路网的动态交通短时预测相关的研究。如何基于数学模型的搭建，准确有效地挖掘交通特征参数间的规律及特性，预测交通特征参数的短时变化趋势，从而提高路段、路网的运行效率、改善大城市的居民出行服务水平，对我国大城市的路网方面的交通管理来说也是相当重要的。

已有的交通流特征参数分析主要分为两类，一类是基于单参数的特性分析，主要研究了单个交通流特征参数在时间上的相似性及空间上的相关性；另一类是对交通流三参数(速度、流量和密度)之间数学关系的研究。但多参数的相关性研究十分匮乏，所以现在的交通流特征参数预测精度似乎也达到了一个“瓶颈期”。

由于数据采集手段的限制，以往的交通流特征参数预测模型只能选择目标路段历史交通运行数据参数作为输入，相关路段通行车辆对目标路段交通状况的影响则被忽略，而且现实的交通虽然具有周期性，但也具有短时波动性和随机性，因此仅利用历史规律来进行交通特征参数的短时预测，无法避免实际交通流短时波动性和随机性对交通流特征参数预测带来的影响。

技术实现要素：

有鉴于此，本发明的目的是提供一种交通流特征参数时空相关性分析方法，补充了现有交通时空相关性分析方法的不足，从而为交通流特征参数分析及预测打下基础。

本发明的目的是通过以下技术方案实现的：

一种交通流特征参数时空相关性分析方法，所述分析方法具体为：

S1：根据变量X和变量Y，确定具有优先级的典型变量；

S2：根据S1确定的具有优先级的典型变量，确定预测目标值；

S3：确定决策变量，得到决策变量与目标函数的关系；

S4：根据需要，建立约束条件；

S5：确定目标规划的数学模型。

进一步，所述变量X为相关路段的原始变量，包括标准车流量、路口转向比和慢行车占比。

进一步，所述变量Y为目标路段的原始变量，包括标准车流量和路段平均行程时间。

进一步，所述决策变量为所述相关路段对所述目标路段交通流特征参数产生影响的延迟时间。

进一步，所述决策变量与目标函数的关系为：

f(τ)＝r(ut,vt+τ)

其中：τ为所述相关路段对所述目标路段交通流特征参数产生影响的延迟时间；

ut：所述变量X在时间为t时投影后的一维向量；

vt+τ：所述变量Y在时间为t+τ时投影后的一维向量；

r(ut,vt+τ)：时间为t时，ut和vt+τ的相关性系数。

进一步，所述约束条件为：

其中：和表示数学模型的偏差变量。

进一步，所述目标规划的数学模型为：

其中：Z为表示决策结果与目标值之间的总偏差量；

P1和P2表示各个约束条件的优先等级。

本发明的有益效果是：

本发明的一种交通流特征参数时空相关性分析方法，补充了现有交通时空相关性分析方法的不足，从而为交通流特征参数分析及预测打下基础。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

附图1为本发明流程图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

一般而言，由于相关路段上的交通流经过目标路段需要一定的时间，故其对目标路段交通流特征参数的影响不是实时的，而是应该存在一个时间延迟τ。要对预测短时交通流特征参数，先找到使得目标路段与相关路段交通流相关性特征参数相关性最大的时间延迟τ，用当前时刻相关路段的交通流特征参数，预测τ时间之后目标路段的交通流特征参数，由于二者的相关性最高，故其预测精度也是最高的，故要提高交通流特征参数短时预测的精确度，其关键是找到相关路段对目标路段交通流特征参数产生影响的时间延迟τ。因此，本实施例提供一种用于求取相关路段对目标路段交通流特征参数产生影响的时间延迟τ的方法。在对该方法进行详细说明前，首先对典型相关分析方法进行说明：

典型相关分析方法：

典型相关的数学描述。一般，采用复相关系数描述两组随机变量间的相关性。采用复相关系数描述两组随机变量X＝[x1,x2,…,xp]^T和Y＝[y1,y2,…,yq]^T间相关性时，其整体思路是先将各组随机变量进行线性组合，使之变成两个组合随机变量，即：

进一步再对组合随机变量u与v间的相关性开展研究。考虑到u，v与投影向量ρ，γ有关，所以可以认为ruv与ρ，γ有关，其中ruv＝ruv(ρ,γ)。在ρ^TΣXXρ＝1和γ^TΣXXγ＝1同时成立的条件下，取使ruv达到最大的ρ，γ作为投影向量，此时获得的相关系数即为两组随机变量的复相关系数：

将两组随机变量的协方差矩阵分块为：

那么：

此时求相关关系的问题转化为在ρ^TΣXXρ＝1和γ^TΣXXγ＝1的条件下求ρ^TΣXYγ的极大值的问题。如图1所示，一种交通流特征参数时空相关性分析方法，该方法具体包括：

S1：根据变量X和变量Y，确定具有优先级的典型变量；

变量X是相关路段的原始变量，指相关路段标准车流量、路口转向比和慢行车占比；变量Y是目标路段的原始变量，具体指标准车流量和路段平均行程时间，根据典型相关分析的算法原理可知，第一组典型变量(u1,v1)解释原始变量组X和原始变量组Y的信息最多，故应将其设置为第一优先等级，其次第二组典型变量(u2,v2)，将其设置为第二优先等级，典型变量为原始变量的线性组合。

S2：根据S1确定的具有优先级的典型变量，确定预测目标值；

由于本实施例的(u1,v1)和(u2,v2)都是变量间的相关系数，其目标是相关性最大，因而可以为每一个典型变量确定其预期目标值，本实施例的预期目标值：gi＝1，(i＝1,2)。

S3：确定决策变量，得到决策变量与目标函数的关系。本实施例的目的是求取使典型变量相关性最大的时间延迟τ，故其为本实施例的目标规划的决策变量，其中决策变量与目标函数之间的关系可以表示为：

f(τ)＝r(ut,vt+τ)

其中：τ为所述相关路段对所述目标路段交通流特征参数产生影响的延迟时间；

ut：所述变量X在时间为t时投影后的一维向量；

vt+τ：所述变量Y在时间为t+τ时投影后的一维向量；

r(ut,vt+τ)：时间为t时，ut和vt+τ的相关性系数。

典型变量(ut,vt+τ)的求取见式1-4，这里不再赘述。

S4：根据需要，建立约束条件。根据前面的分析，本实施例有两个目标约束，并可将它们分为两个等级，故可以确定目标约束为

其中，在目标函数中应有并标明各目标函数优先等级，和表示数学模型的偏差变量。

S5：确定目标规划的数学模型。根据以上分析，本实施例有两个目标函数，并且可以分为两个等级，本实施例优先级取值为P1＝10，P2＝1，再结合目标函数与决策间的关系可以将目标规划的数学模型表示为

式中，Z为表示决策结果与目标值之间的总偏差量；P1和P2表示各个约束条件的优先等级；和表示数学模型的偏差变量。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，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，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。