一种基于转向系数的交通流模拟及预测方法
【技术领域】
[0001] 本发明属于智能交通领域，涉及一种交通流预测方法。
【背景技术】
[0002] 随着经济的迅速发展，越来越多的机动车辆出现在道路上，交通拥堵现象日益严 重。为了应对愈发恶劣的交通环境，智能交通系统应运而生。如何解决交通拥堵和交通安 全问题，是智能交通系统的研究重点。其中，获取准确、及时的交通流信息是智能交通系统 成功的关键，它能帮助道路使用者做出更好的出行决策，同时能帮助交通管理者做出更好 的交通管控方案，提高路网的使用效率。因此，如何快速准确地对交通流进行预测成为智能 交通领域的研究重点。交通流预测主要是通过交通历史数据构建流量预测模型，根据模型 对流量进行预测，其中预测模型是交通流预测的关键，对预测精度有直接影响，如何构建准 确的预测模型是交通流预测的重点和难点。
[0003] 现有的交通流预测方法主要有历史平均法、最小二乘法、非参数方法等，这些方法 操作简单、实现方便，但基本只考虑了单一数据类型（例如当前路段的实时和历史数据）， 未能挖掘道路之间的空间规律；另外，这些方法的预测实效性不高，对于简单稳定的道路有 较好的预测结果，但对于复杂且交通流不稳定的道路，预测精度较低；最后，这些方法对于 流量多步预测不具鲁棒性，预测步数增多，准确性大幅降低。因此，为了提高预测精度，克服 上述方法的不足，需要引入新的方法模型对交通流进行预测。
【发明内容】
[0004] 为了克服已有交通流预测方法的预测的精度、稳定性和实效性较差的不足，本发 明提供了一种有效提高预测的精度、稳定性和实效性的基于转向系数的交通流模拟及预测 方法
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] 一种基于转向系数的交通流模拟及预测方法，所述预测方法包括如下步骤：
[0007] 步骤1 :采集一段时间内的卡口过车记录数据，包括卡口号、车辆通过卡口的时间 和车牌号码，定义目标路口西向东方向卡口为K，直行卡口、左转卡口、右转卡口分别为KO、 KU K2,目标路口北向南方向卡口为K3,南向北方向卡口为K4,路口西向东方向左转向北、 右转向南、直行向东的过车记录通过卡口 KO得到；
[0008] 步骤2 :数据预处理，剔除未能识别车牌的数据；
[0009] 步骤3 :计算路口转向系数
[0010] 设卡口 KO -段时间内的过车记录经过数据预处理后有N。辆车，这N。辆车在目标 路口有左转、右转、直行三种行进方案，通过查找这N。辆车的下一条过车记录判断其所在的 位置：若下一条过车记录在卡口 K，则说明车辆是直行；若下一条过车记录在卡口 K3,则说 明车辆是右转；若下一条过车记录在卡口 K4,则说明车辆是左转；求得卡口 KO在十字路口 的车辆转向系数：
[0014] 其中，NQ straight、NUeft、N2_"ghA1U表示经过卡口 KO后直转、卡口 Kl后左转、卡口 K2后右转的车辆数，PQ_straight、Pl lrft、P1^lght分别表示车辆直行、左转、右转的概率；
[0015] 步骤4 :路段流量建模，卡口 K监测路段的流量计算为：
[0016] N(K) = Nstralght+Nleft+Nright (4)
[0017] 其中，Nstralght为经过卡口 KO的车辆中直行的车辆数，Nleft为经过卡口 Kl的车辆中 左转的车辆数，N"ght为经过卡口 K2的车辆中右转的车辆数，根据步骤3中求得的三个卡口 在十字路口的转向系数，卡口 K监测路段的流量表示为：
[0018] N(K) -P。-straight X Nt^P1Jeft X NjP2Jight X N2 (5)
[0019] 其中，Pl left是经过卡口 Kl后左转的概率，N i是卡口 Kl在一段时间内检测的车辆 数；P2_"ght是经过卡口 K2后右转的概率，N2是卡口 K2在一段时间内检测的车辆数；
[0020] 步骤5 :根据路段流量模型对流量进行预测，过程如下：
[0021] (5. 1)根据近邻计算Z的局部重建权值矩阵Z'，根据步骤3中求得的转向系数数 组Z，利用局部线性重构方法找出Z的关联转向系数矩阵，局部线性重构方法如下所示：
[0022] Stepl :计算样本近邻，以Z的每行为一个样本，计算任意两个样本的欧式距离，找 出K个最小距离样本为K个近邻样本；
[0023] Step2 :计算重构权值，重构目标是
，其中Z1为第i个样本，N为样本总数，Z u为样本X1的第j个近邻，近邻总数 为K，为第j个近邻的权重，ε (E)为误差，重构权值为
第j个近邻的权值，其4
是两个近邻样本的协方差，Q1是一个 KXK的局部协方差矩阵，对其正则化处理：Q1=Q1+ΘΙ，其中，I为KXK的单位矩阵，Θ为 正则化系数；
[0024] Step3 :计算局部重建权值矩阵，根据stepl和step2,得到Z的最后一个样本的K 个近邻，其局部重建权值矩阵为：
[0026] 其中Pl left l, Pl left 2，…，Pueftji为经过卡口 Kl后左转的K个重构样本，
[0027] W1, w2，…，wK为重构权值；
[0028] (5.2)求目标路段流量历史均值，以转向系数所在时间段的下一时间段为采样 时段，构造该时间段连续多天的车流量数组，以数组的均值作为该时间段的流量值：Nhls = avg(N1 (K), N2(K), -,Nn(K)) (7)
[0029] 其中，N1 (K)，Ν2(Κ)，"·，Νη(K)为卡口 K监测路段连续η天每天同一时间段的车流 量，avg〇是求均值函数；
[0030] (5. 3)构造流量预测权值函数，某时段的路段车流量根据该时段的历史车流量和 前一时段路口三个方向的转向系数计算得到，设路段历史状态权重为P1，路口的转向系数 权重为P 2，以卡口 K监测路段为目标，则该路段某时段的车流量预测值为：
[0037] P JP P 2是可调整型自适应参数，满足p I+P 2= 1，初始取P 1= 〇，P 2= 1，以 0. 05为间隔，p i每次加0. 05直到值为1，P 2每次减0. 05直到值为0,取预测值与真实值最 接近的组作下一个时段预测参数，根据式（8)迭代可预测出路段多个时间段后的车流量：
[0039] 其中，t为第t个时间槽，t+Ι为其后的一个时间槽，多步预测时，需要先预测K0、 KU K2三个卡口第一个时间槽的流量，再根据预测值预测目标路段第二个时间槽的流量。
[0040] 进一步，所述预测方法还包括以下步骤：
[0041] 步骤6 :计算预测精确度。将预测结果与真实值进行比较，可得到预测精度：
[0043] 其中，Nt_为预测时段的真实流量值，ε为预测精度。
[0044] 再进一步，所述步骤2中，剔除规则如下：
[0045] (2. 1)若车牌号码数据为'NULL'或'未识别'，则去掉该条数据；
[0046] (2. 2)若车牌号码数据长度小于6位，则去掉该条数据；
[0047] (2. 3)若车牌号码数据长度大于10位，则去掉该条数据。
[0048] 本发明中，为了提高流量预测的精度、稳定性和实效性，挖掘道路之间的空间规 律，本发明提出了一种基于转向概率的交通流模拟和预测方法，该方法通过对卡口过车记 录数据进行预处理后，计算路口的转向概率，根据转向概率对路段流量进行建模，通过模拟 模型和路段历史状态建立流量预测模型进行预测。本发明考虑道路间的空间关系，消除了 动态数据的不稳定性，预测精度较高，且多步预测效果显著。
[0049] 本发明的有益效果主要表现在：（1)适用性强。本发明方法是基于卡口过车记录 数据，能适用于任何卡口监测路段。（2)可行性强。只需要给定卡口历史过车记录数据，就 能根据数据进行训练得到预测模型。（3)实效性高。本发明方法挖掘空间和时间规律，能用 于复杂和交通流不稳定的道路。（4)计算速度快。本发明方法复杂性低，操作简单，对于几 百万条数据，计算时间为秒级。（5)预测精度高。本发明方法通过挖掘时间和空间规律，消 除动态数据的随机不稳定性，降低预测误差，提高了预测结果的准确性和可靠性。
【附图说明】
[0050] 图1是基于转向系数的交通流模拟及预测方法的流程图。
[0051] 图2是路口卡口布设图。
[0052] 图3是目标路段路网图。
【具体实施方式】
[0053] 下面结合附图对本发明作进一步描述。
[0054] 参照图1~图3,一种基于转向系数的交通流模拟及预测方法，包括如下步骤：
[0055] 步骤1 :采集一段时间内的卡口过车记录数据，包括卡口号、车辆通过卡口的时 间、车牌号码等信息。
[0056] 步骤2:数据预处理，由于环境、设备自身故