一种智能交通信号灯的制作方法

技术特征：

1.一种智能交通信号灯，包括交通信号灯和与交通信号灯相连的预测装置，所述交通信号灯包括：

底座，固定在底座上的灯柱，以及固定连接在灯柱上的放置盒，所述放置盒上固定有交通信号灯，放置盒内设置有微处理器，微处理器与交通信号灯电连接；其特征在于：所述放置盒内还设有备用交通系统，该备用交通系统包括控制装置、电机和备用交通信号灯，备用交通信号灯的灯板与放置盒底板上的滑轨滑动连接，所述电机固定在备用交通信号灯的灯板上，电机的输出轴上装有齿轮，在放置盒底板上设置有齿条，齿轮与齿条啮合传动驱动备用交通信号灯在滑轨上移动；所述控制装置包括无线接收模块和备用微处理器，无线接收模块和备用微处理器电连接，备用微处理器分别与电机、备用交通信号灯电连接。

2.根据权利要求1所述的一种智能交通信号灯，其特征是，所述底座的内部放置有蓄电池，该蓄电池为备用交通系统供电。

3.根据权利要求2所述的一种智能交通信号灯，其特征是，所述的放置盒内还设有时钟-温度显示装置和字幕显示装置，时钟-温度显示装置和字幕显示装置分别设有两个连接端口，一个连接端口与微处理器电连接，另一个连接端口与备用微处理器电连接。

4.根据权利要求3所述的一种智能交通信号灯，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、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：

(1)采集模块，用于采集路网S内观测路段S_i、预测路段S_j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S_i的交通流量序列X_i与预测路段S_j的交通流量序列X_j分别进行平稳性检验，检验平稳性的自相关函数为：

$P\left(\mathrm{\τ}\right)=\frac{E\[(X_x-{\mathrm{\ν}}_i)(X_{x+\mathrm{\τ}}-{\mathrm{\ν}}_{x+\mathrm{\τ}})\]}{{\mathrm{\σ}}^2}$

其中，X_x表示待检验交通流量序列，v_i表示待检验交通流量序列的均值，X_x+τ表示X_x在时间延迟τ后的交通流量序列，v_x+τ为X_x+τ的均值，σ²为X_x与X_x+τ之间的方差；

当自相关函数P(τ)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(τ)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S_i的交通流量序列X_i与预测路段S_j的交通流量序列X_j在时间延迟τ下的时间相关系数ρ_ij(τ)和空间相关系数ρ_ij(w)，设路网S内有N个路段，交通流量序列X_i＝[x_i(1),x_i(2),...,x_i(n)]，交通流量序列x_i(t)表示观测路段S_i在t时刻的流量，x_j(t)表示预测路段S_j在t时刻的流量，t＝1,2,...n，时间相关系数ρ_ij(τ)的计算公式为：

${\mathrm{\ρ}}_{ij}\left(\mathrm{\τ}\right)=\frac{{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}{x}_i\left(t\right)x_j(t+\mathrm{\τ})-\frac{1}{n-\mathrm{\τ}}{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}{x}_i\left(t\right){\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}{x}_j(t+\mathrm{\τ})}{{\sqrt{{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}\[x_i\left(t\right)-\frac{1}{n-\mathrm{\τ}}{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}{x}_i\left(t\right)\]}}^2\×{\sqrt{{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}\[x_j(t+\mathrm{\τ})-\frac{1}{n-\mathrm{\τ}}{\mathrm{\Σ}}_{t=1}^{n-\mathrm{\τ}}{x}_j(t+\mathrm{\τ})\]}}^2}$

空间相关系数ρ_ij(w)的计算公式为：

5.根据权利要求4所述的一种智能交通信号灯，其特征是，

(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T₁和历史相关系数阈值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ρ_ij(τ)和空间相关系数ρ_ij(w)构建各观测路段S_i与预测路段S_j在不同时间延迟τ下的时空相关系数矩阵ρ(τ)'，并计算各路段的时空相关系数ρ_ij(τ)'，其中i∈[1,N]且τ∈[0,L]，L的取值范围为[8,12]，时空相关系数矩阵ρ(τ)'的计算公式为：

$\mathrm{\ρ}{\left(\mathrm{\τ}\right)}^{\′}=\left[\begin{array}{cccc}{\mathrm{\ρ}}_{1j}{\left(0\right)}^{\′}& {\mathrm{\ρ}}_{1j}{\left(0\right)}^{\′}& \mathrm{...}& {\mathrm{\ρ}}_{Nj}{\left(0\right)}^{\′}\\ {\mathrm{\ρ}}_{1j}{\left(1\right)}^{\′}& {\mathrm{\ρ}}_{2j}{\left(1\right)}^{\′}& \mathrm{...}& {\mathrm{\ρ}}_{Nj}{\left(1\right)}^{\′}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ {\mathrm{\ρ}}_{1j}{\left(L\right)}^{\′}& {\mathrm{\ρ}}_{2j}{\left(L\right)}^{\′}& \mathrm{...}& {\mathrm{\ρ}}_{Nj}{\left(L\right)}^{\′}\end{array}\right];$

时空相关系数ρ_ij(τ)'的计算公式为：

ρ_ij(τ)′＝ρ_ij(τ)ρ_ij(w)；

(8)历史相关系数矩阵生成模块，用于生成预测路段S_j的历史相关系数矩阵ρ(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X_j的历史相关序列，记为m＝1,2,...M，M的取值范围为[3,5]，所述历史相关系数ρ_jm(t)的计算公式为：

${\mathrm{\ρ}}_{jm}\left(t\right)=\frac{{\mathrm{\Σ}}_{t=1}^n{x}_j\left(t\right)x_{jm}\left(t\right)-\frac{1}{n}{\mathrm{\Σ}}_{t=1}^n{x}_j\left(t\right){\mathrm{\Σ}}_{t=1}^n{x}_{jm}\left(t\right)}{\sqrt{{\mathrm{\Σ}}_{t=1}^n{\[x_j\left(t\right)-\frac{1}{n}{\mathrm{\Σ}}_{t=1}^n{x}_j\left(t\right)\]}^2}\×\sqrt{{\mathrm{\Σ}}_{t=1}^n{\[x_{jm}\left(t\right)-\frac{1}{n}{\mathrm{\Σ}}_{t=1}^n{x}_{jm}\left(t\right)\]}^2}}$

(9)预测因子选取模块，用于根据所述时空相关系数阈值T₁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τ进行矩阵重构，选取原则为：

若ρ_ij(τ)'＞T₁，则将观测路段S_i的交通流量序列X_i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'，...，x_p')，其中p为所述满足条件的交通流量个数，设L₁为第一预测因子中时间延迟的最大值，L₁＝max{τ|τ∈[0,L]and ρ_ij(τ)'＞T₁}，则第一预测因子X'可表述成如下矩阵形式：

$X^{\′}=\left[\begin{array}{cccc}{x_1}^{\′}\left(1\right)& {x_2}^{\′}\left(1\right)& \mathrm{...}& {x_p}^{\′}\left(1\right)\\ {x_1}^{\′}\left(2\right)& {x_2}^{\′}\left(2\right)& \mathrm{...}& {x_p}^{\′}\left(2\right)\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ {x_1}^{\′}(n-L_1)& {x_2}^{\′}(n-L_1)& \mathrm{...}& {x_p}^{\′}(n-L_1)\end{array}\right];$

若ρ_jm(t)＞T₂，则将所有满足条件的历史相关序列X_jm(t)作为第二预测因子，记作Y'，Y'＝{y₁',y₂',...,y_q'}，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信号灯，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。

7.根据权利要求6所述的一种智能交通信号灯，其特征是，所述平稳性检验模块包括以下子模块：

(1)检验子模块，用于对处于同一类型的观测路段S_i的交通流量序列X_i与预测路段S_j的交通流量序列X_j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。