一种基于交通流量的时间序列划分方法与系统与流程

本发明涉及智能交通规划
技术领域：
，具体而言涉及一种基于交通流量的时间序列划分方法与系统。
背景技术：
：随着车辆的急剧增多,车辆与路面的矛盾越来越突出。根据交通流的状况,设计合理的配时对城市交通进行控制,对于改善交通状况,充分利用现有运输能力起到很大作用。我国目前的交通信号控制以单点控制为主,多时段定周期控制是单点交通控制中最常用的控制方式之一。多时段定周期控制的时段合理划分直接决定了交通控制的效果。单交叉口信号控制系统大多采用多时段分时定时控制。多时段定时控制，是交通自动控制的一种方式，它是根据受控路口以往的交通流量资料，在交通信号控制器中，设置多个适应交通流量变化的时段，而每一时段又有一种控制方案与其对应，因此多时段自动控制能较好的适应交叉口交通流量的变化。多时段定时控制系统中，交通时段的合理划分直接决定了交通控制的效果。传统的时段划分方法一般是交通工程师根据交通调查的数据依据个人经验进行划分,因此有很大的主观性,而且时段划分后不能根据交通状况进行更新,因此不能适应交通状况的变化技术实现要素：针对以上时段划分中存在的问题,考虑到交通时段划分的特殊性(交通流序列是有序的,划分时顺序不可打乱),本发明提出一种基于交通流量的时间序列划分方法与系统。为达成上述目的，本发明提出一种基于交通流量的时间序列划分方法，包括：步骤1、获取路口前n天的数据流量，即以路口id作为下游路口id查表获取所有路段id，并以设定的时间间隔t为周期获取所有路段id对应的在每个时间段内的流量之和，其中共包含24*60/t个时间段，经过处理获得96个有序交通流量；步骤2、获取路口平均的数据流量，即对前n天的交通流量进行分组和清洗处理，获取每一组的平均值；步骤3、对有序交通流量进行标准化处理；步骤4、设置初选的分段数z；步骤5、获取在z分段情况下的最优分类结果；步骤6、基于步骤5得到的最优分类结果求解最优聚类点，类直径最小；步骤7、改变分段数z，返回步骤5，直到所有分段数均实现类直径最小，进入步骤8；步骤8、确定最优分类数目。进一步的实施例中，前述的时间间隔t为15min。进一步的实施例中，前述步骤2的具体实现包括：第1.1步：由路口id作为下游路口id查表获取所有路段id，全部标记为unvisited，然后开始取其中一个标记为unvisited的路段id，标记为visited；转到第1.2步进行数据清洗；第1.2步：查表路段15分钟流量表获取路段前n天的15min交通流量数据，每天包含96个有序交通流量；第1.3步：以上一步统计的交通流量按序列分组：将n天前的第一条、n-1天前的第一条、……、1天前的第一条分为一组；以此类推分组，直到将第96条分组完毕，即：将上述有序交通流量数据分成96组，每一组有n条数据{v1,v2,v3，...，vn}；第1.4步：对于每一组数据{v1,v2,v3，...，vn}按照下述方式处理：①如果数据全部为0，令平均值并返回第1.1步重新选取路段id；②如果数据不全部为0，首先去除其中为0的数据，然后计算平均值n0为数据为0的个数；对于一组数据{v1,v2,v3，...，vn}，如果或者则去除该数据vi；第1.5步：重复前述第1.4步的处理，直到96组数据均处理完成；第1.6步：转第1.1步重新选取路段id进行上述处理，直到所有路段id都标记为visited。进一步的实施例中，前述步骤3中，标准化处理过程包括：将n个有序流量数据{y1,y2,y3，...，yn}中的第i个数据,根据以下公式对交通流序列进行预处理：式中ymax、ymin分别表示流量的最大值和最小值；从而得到一组标准化的有序数据{x1,x2,x3，...，xn}。进一步的实施例中，在步骤4中，将每天24小时的分成z个时段，z初始值取值为2。进一步的实施例中，前述步骤5的具体实现包括：第i序列数据到第j序列数据的变差如下其中，则得到所有的变差矩阵n*n＝96*96的矩阵，如下：计算目标函数，即计算所有分类的总变差:其中s(i)为第i个分类的变差；设将n个有序数据分割为z类的某种分法记为b(n,z)，有序样本数据有如下定理:其最优z类分割一定是在某一个截尾子段进行最优z-1类分割的基础上，再增加一类而形成的，故有如下递推公式:b(n,z)＝min{b(nz-1,z-1)+d(z)}得到nz-1第z类的有序数据为其中nz-1然后找到第z-1个分点，使它满足:b(nz-1,z)＝b(nz-2,z-1)+d(z-1)得到第z-1个分类的有序数据为利用同样的方法得到所有分类{m1,m2，...，mz-1,mz}，即为分类数为z的最优分类结果。进一步的实施例中，在所述步骤8中确定最优分类数目时，判定当|b(n,z)-b(n,z-1)|＜ε时，z-1为最优分类，其中ε为可配置参数，取0.3。由以上本发明的技术方案，本发明提出的时间序列划分方法，是一种基于有序聚类的交通时段划分方案,对实时采集的交叉口流量进行处理,实现了交通时段的自动划分。根据划分的结果,在交通高峰期采用多时段定周期控制,以获得最大的通行能力。本方法克服传统的时段划分的主观性,可有效改善道路的交通状况。应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。附图说明附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：图1是根据本发明某些实施例的基于交通流量的时间序列划分方法的流程示意图。图2是根据本发明某些实施例的公交车到站信息的示意图。图3是根据本发明某些实施例的公交车实时到站位置的信息示意图。具体实施方式为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。结合图1所示，根据本发明的实施例，一种基于交通流量的时间序列划分方法，包括：步骤1、获取路口前n天的数据流量，即以路口id作为下游路口id查表获取所有路段id，并以设定的时间间隔t为周期获取所有路段id对应的在每个时间段内的流量之和，其中共包含24*60/t个时间段，经过处理获得96个有序交通流量；步骤2、获取路口平均的数据流量，即对前n天的交通流量进行分组和清洗处理，获取每一组的平均值；步骤3、对有序交通流量进行标准化处理；步骤4、设置初选的分段数z；步骤5、获取在z分段情况下的最优分类结果；步骤6、基于步骤5得到的最优分类结果求解最优聚类点，类直径最小；步骤7、改变分段数z，返回步骤5，直到所有分段数均实现类直径最小，进入步骤8；步骤8、确定最优分类数目。本发明的具体实现过程中，前述的时间间隔t优选为15min。进一步的实施例中，前述步骤2的具体实现包括：第1.1步：由路口id作为下游路口id查表获取所有路段id，全部标记为unvisited，然后开始取其中一个标记为unvisited的路段id，标记为visited；转到第1.2步进行数据清洗；第1.2步：查表路段15分钟流量表获取路段前n天的15min交通流量数据，每天包含96个有序交通流量；第1.3步：以上一步统计的交通流量按序列分组：将n天前的第一条、n-1天前的第一条、……、1天前的第一条分为一组；以此类推分组，直到将第96条分组完毕，即：将上述有序交通流量数据分成96组，每一组有n条数据{v1,v2,v3，...，vn}；第1.4步：对于每一组数据{v1,v2,v3，...，vn}按照下述方式处理：①如果数据全部为0，令平均值并返回第1.1步重新选取路段id；②如果数据不全部为0，首先去除其中为0的数据，然后计算平均值n0为数据为0的个数；对于一组数据{v1,v2,v3，...，vn}，如果或者则去除该数据vi；第1.5步：重复前述第1.4步的处理，直到96组数据均处理完成；第1.6步：转第1.1步重新选取路段id进行上述处理，直到所有路段id都标记为visited。进一步的实施例中，前述步骤3中，标准化处理过程包括：将n个有序流量数据{y1,y2,y3，...，yn}中的第i个数据,根据以下公式对交通流序列进行预处理：式中ymax、ymin分别表示流量的最大值和最小值；从而得到一组标准化的有序数据{x1,x2,x3，...，xn}。进一步的实施例中，在步骤4中，将每天24小时的分成z个时段，z初始值取值为2。进一步的实施例中，前述步骤5的具体实现包括：第i序列数据到第j序列数据的变差如下其中，则得到所有的变差矩阵n*n＝96*96的矩阵，如下：计算目标函数，即计算所有分类的总变差:其中s(i)为第i个分类的变差；设将n个有序数据分割为z类的某种分法记为b(n,z)，有序样本数据有如下定理:其最优z类分割一定是在某一个截尾子段进行最优z-1类分割的基础上，再增加一类而形成的，故有如下递推公式:b(n,z)＝min{b(nz-1,z-1)+d(z)}得到nz-1第z类的有序数据为其中nz-1然后找到第z-1个分点，使它满足:b(nz-1,z)＝b(nz-2,z-1)+d(z-1)得到第z-1个分类的有序数据为利用同样的方法得到所有分类{m1,m2，...，mz-1,mz}，即为分类数为z的最优分类结果。进一步的实施例中，在所述步骤8中确定最优分类数目时，判定当|b(n,z)-b(n,z-1)|＜ε时，z-1为最优分类，其中ε为可配置参数，取0.3。下面结合附图1所示，根据具体地说明前述方法的示例性实现。本发明的前述方法所使用的交通流量原始数据来源于城市电子警察采集的实时数据以及城市道路基本信息(例如路口、车道等)并进行存储。例如路段基本信息、路段15分钟流量表等。下表是路段基础信息表(md_segment)的一个示例。下表是路段15分钟流量表(ay_result_segmentvol_by15min)的示例。namecodedatatype数据编号data_idnumber(9)路段编号segment_idvarchar2(60)路段空间编号segment_id_geonumber发生时间timestampnumber(13)驶入流量volume_invarchar2(60)驶出流量volume_outvarchar2(60)流量是否正常normalvarchar2(30)分区日期part_codedate第1步：获取路口前n天的数据流量第1.1步：由路口id作为下游路口id查表md_segment中获取所有路段id(十字交叉口一般为有4条路段)全部标记为unvisited。然后开始取其中一个标记为unvisited的路段id，标记为visited；转到第1.2步进行数据清洗：第1.2步：查表ay_result_segmentvol_by15min获取路段前n天的15min交通流量数据(每天96个有序交通流量)；第1.3步：以上一步统计的交通流量按序列分组：例如将n天前的第一条、n-1天前的第一条、……、1天前的第一条分为一组，以此类推分组，总而言之：即将上述数据分成96组，每一组有n条数据{v1,v2,v3，...，vn}；第1.4步：对于每一组数据{v1,v2,v3，...，vn}，按照下述方式处理：①如果数据全部为0，令并进行第1.1步。②如果数据不全部为0，首先去除其中为0的数据(n0为数据为0的个数)，然后计算平均值如果或者去除该数据；第1.5步：数据清洗过后最终计算出每一组得平均值转第0.4步，直到96所有组处理完成；第1.6步：转第1.1步，直到所有路段id都标记为visited。将上述得到各个路段id的96个有序交通流量。如果某个路段id里面的96个有序流量有为0，去除该路段id。第2步：获取路口平均的数据流量由上述所有路段id，进一步获取路口15min流量(上述所有路段id15min流量之和)。共有60*24/15＝96个时间段，即96个有序交通流量。将计算出来的路口96个有序交通流量保存对应的字段volumn_by15_serial里。路口对应的所有路段id保存第3步：数据标准化处理将n个有序数据{y1,y2,y3，...，yn}第i个数据xi,根据以下公式对交通流序列进行预处理。式中ymax、ymin分别表示流量的最大、最小。得到一组标准化的有序数据{x1,x2,x3，...，xn}第4步：设置初选分段数即将每天24小时的分成z个时段(如早高峰、平峰、晚高峰等)。第5步：计算z分段情况下，所有可能类的直径第i序列数据到第j序列数据的变差如下其中，则得到所有的变差矩阵n*n＝96*96的矩阵计算目标函数，即计算所有分类的总变差:其中s(i)为第i个分类的变差。设将n个有序数据分割为z类的某种分法记为b(n,z)，有序样本数据有如下定理:其最优z类分割一定是在某一个截尾子段进行最优z-1类分割的基础上，再增加一类而形成的。故有如下递推公式:b(n,z)＝min{b(nz-1,z-1)+d(z)}得到nz-1第z类的有序数据为其中nz-1然后找到第z-1个分点，使它满足:b(nz-1,z)＝b(nz-2,z-1)+d(z-1)得到第z-1个分类的有序数据为相同的方法得到所有分类{m1,m2，...，mz-1,mz}，这就是分类数为z的最优分类结果。第6步：求解最优聚类点，类直径最小第7步：改变z值，转到第5步。第8步：直到所有分段数均实现，结束第9步：确定最优分类数目当|b(n,z)-b(n,z-1)|＜ε，ε为可配置参数(暂取0.3)即z-1为最优分类。即通过继续增加分类数，目标函数没有明显的下降即认为已达到最优分类数。保存对应字段到输出表中。输出数据的格式的一个示例如下表所示，其中数据存储oracle：ay_result_utc_time_div。路口编号intersection_idvarchar2(60)路口空间编号intersection_id_geonumber最优分段数optimize_numnumber(3)时间段数serial_numnumber(3)时间段开始时间start_timenumber(13)时间段结束时间end_timenumber(13)时间戳timestampnumber(13)虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属
技术领域：
中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。当前第1页12