CN106530721A - 一种基于转移矩阵的交叉口各流向流量值动态预测方法 - Google Patents

Abstract

本发明公开了一种基于转移矩阵的交叉口各流向流量值动态预测方法。本发明包括以下步骤：1）通过进口道地磁数据和路段微波数据分别获取实时流向比例和路段流量，2）确定初始概率向量和状态转移矩阵，3）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵，4）交叉口流向比例预测，5）交叉口各流向流量值预测。本发明利用交通数据并结合加权移动平均法、状态转移矩阵等数学方法，对交叉口各流向流量值进行科学合理的动态预测，提高了预测的科学性和实用性。

Description

一种基于转移矩阵的交叉口各流向流量值动态预测方法

技术领域

本发明涉及交通管控领域，具体涉及一种基于转移矩阵的交叉口各流向流量值动态预测方法。

背景技术

在大数据时代，高效的利用多源数据信息对交通运行状况做出实时预判尤为重要。利用现有的交通数据对交通运行进行科学预测，进而制定合理的管控方案，是缓解城市交通拥堵的一项有效措施。

近年来，随着机动车保有量的不断增长，我国各个城市对智能交通管控设施的投入也不断加大，海量的交通数据呈爆发式的增长。虽然现在可以利用有效数据对路段流量进行预测，但仍旧缺失一种在交叉口处预测各个流向流量值的方法，使得关键节点处的数据价值并未有效的发挥出来。

对交叉口的各流向流量值进行预测，实质上是利用前期时段交叉口进口道的地磁数据和路段微波数据，使用加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测。如图2所示，由进口道处的地磁数据获取实时的左转、直行、右转交通量，并进一步处理得到实时的流向比例，由路段上的微波检测器检测实时的路段流量，利用加权移动平均法、状态转移矩阵等数学方法建立基于时间序列的实时预测模型，将历史数据输入该模型即可得到下一时段的各流向流量值。

发明内容

本发明的目的在于提供了一种基于转移矩阵的交叉口各流向流量值动态预测方法，利用地磁、微波数据，结合加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行预测，提高了对交叉口各流向流量值预测的科学性和实用性。

本发明采用的技术方案是：

本发明包括以下步骤：

A)根据地磁和微波数据分别获取实时流向比例和路段流量

a)由进口道地磁数据获取实时流向比例

这里包括六个参数：左转流量L(t_n)，直行流量S(t_n)，右转流量R(t_n)，左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

b)由路段微波数据获取实时路段流量

这里包括如下三个参数：地磁到路段微波检测器的距离L，车辆驶过这段L距离所用的平均时间t₀,路段微波在(t_n-t₀)时段检测到的交通量Q(t_n-t₀)。

B)确定初始概率向量和状态转移矩阵

a)确定初始概率向量

这里包括如下几个参数:t_n时段初始概率向量N(t_n),左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

b)确定状态转移矩阵

这里的计算参数包括：左转状态L，直行状态S，右转状态R，在t_n到t_n+1时段，状态i向状态j的转移概率p_ij(t_n)，状态i向状态j的转移值k_ij(t_n)，状态i向所有状态(L,S,R)的转移值k_i.(t_n)，状态转移矩阵A_n。

C)融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵

为达到利用历史数据进行动态预测的目的，结合加权移动平均法，以三个连续的初始概率向量为一组数据来标定下一时段的初始概率预测向量，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，步骤包括：

a)融合加权移动平均法标定初始概率预测向量

这里的计算参数包括：t_n时段的初始概率预测向量N′(t_n)，三个权重系数α、β、γ；

b)融合加权移动平均法标定状态转移预测矩阵

这里的计算参数包括：t_n时段到t_n+1时段的状态转移预测矩阵三个权重系数α、β、γ。

D)交叉口流向比例预测

这里的计算参数包括：t_n时段的流向预测比例向量N^*(t_n)，左转流向预测比例直行流向预测比例右转流向预测比例

E)交叉口各流向流量值预测

这里包括如下三个参数：左转预测流量L^*(t_n)，直行预测流量S^*(t_n)，右转预测流量R^*(t_n)；

路段微波在(t_n-t₀)时段检测到的交通量乘以预测得到的t_n时段交叉口流向比例，即可得到左转、直行、右转的流量预测值。

本发明在交叉口各流向流量值动态预测方法中，依据交叉口进口道的地磁数据、路段微波数据，并结合加权移动平均法、状态转移矩阵等数学方法，对交叉口内下一时段的左转、直行、右转的交通量进行动态预测。

本发明有益效果：

1)本发明使用交叉口地磁和上游路段微波的检测数据对交叉口进口的各流向流量进行预测，在传统流向比例预测的基础上，增加了总流量的准确度保障，提升了流量预测的精确度。

2)本发明用左转、直行、右转的流向比例构成了初始概率向量，并利用加权移动平均法，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，按照时间序列逐步递推，以此达到动态预测的目的。

3)本发明在进行交叉口流向比例预测时，用标定的初始概率预测向量乘以状态转移预测矩阵得到流向预测比例向量，流向预测比例向量中的三个分量即为所预测的交叉口左转、直行、右转的流向比例。

附图说明

图1是本发明方法流程图；

图2是本发明中地磁和微波设备的布设示意图；

图3是本发明所采用的动态标定初始概率预测向量示意图；

图4是本发明所采用的动态标定状态转移预测矩阵示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明：

如图1所示，一种基于转移矩阵的交叉口各流向流量值动态预测方法,步骤包括：通过进口道地磁数据和路段微波数据分别获取实时流向比例和路段流量、确定初始概率向量和状态转移矩阵、融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵、交叉口流向比例预测、交叉口各流向流量值预测。

A)在交叉口进口道布设地磁设备，在路段上布设微波设备，通过进口道地磁数据获取实时流向比例，由路段微波数据获取实时路段流量，为交叉口各流向流量值动态预测获取所需的基础数据：

a)由进口道地磁数据获取实时流向比例

这里包括六个参数：左转流量L(t_n)，直行流量S(t_n)，右转流量R(t_n)，左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

通过交叉口进口道布设的地磁设备，检测到t_n时段的左转流量L(t_n)、直行流量S(t_n)、右转流量R(t_n)，得到t_n时段左转的流向比例为：

直行的流向比例为：

右转的流向比例为：

b)由路段微波数据获取实时路段流量

这里包括如下三个参数：地磁到路段微波检测器的距离L，车辆驶过这段L距离所用的平均时间t₀,路段微波在(t_n-t₀)时段检测到的交通量Q(t_n-t₀)；

如图2所示，地磁设备埋设在交叉口进口道处，在距离地磁设备L的上游路段布设微波检测器，车辆经过平均时间t₀从微波检测器处到达地磁设备，因而在t_n时段地磁设备检测到的车辆为(t_n-t₀)时段由路段微波设备检测到的交通量Q(t_n-t₀)。

B)确定初始概率向量和状态转移矩阵

a)确定初始概率向量

这里包括如下几个参数:t_n时段初始概率向量N(t_n),左转流向比例k_L(t_n)，直行流向比例k_S(t_n)，右转流向比例k_R(t_n)；

初始概率向量由左转、直行、右转的流向比例构成，t_n时段的初始概率向量为：

N(t_n)＝(k_L(t_n),k_S(t_n),k_R(t_n))

b)确定状态转移矩阵

这里的计算参数包括：左转状态L，直行状态S，右转状态R，在t_n到t_n+1时段，状态i向状态j的转移概率p_ij(t_n)，状态i向状态j的转移值k_ij(t_n)，状态i向所有状态(L,S,R)的转移值k_i.(t_n)，状态转移矩阵A_n；

在t_n到t_n+1时段，状态i向状态j的转移值除以状态i向所有状态(L,S,R)的转移值得到转移概率，因状态i可以向自身转移，故k_i.(t_n)＝k_i(t_n)，状态i向状态j的转移概率为：

状态转移矩阵由状态转移概率构成，t_n到t_n+1时段的状态转移矩阵为：

C)融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵

为达到利用历史数据进行动态预测的目的，结合加权移动平均法，以三个连续的初始概率向量为一组数据来标定下一时段的初始概率预测向量，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，步骤包括：

a)融合加权移动平均法标定初始概率预测向量

这里的计算参数包括：t_n时段的初始概率预测向量N′(t_n)，三个权重系数α、β、γ；

利用加权移动平均法，以三个连续的初始概率向量为一组数据来标定下一时段的初始概率预测向量，以此达到动态预测的目的，t_n时段初始概率预测向量为：

N′(t_n)＝αN(t_n-3)+βN(t_n-2)+γN(t_n-1)

如图3所示，t₀时段初始概率向量为N(t₀)，t₁时段初始概率向量为N(t₁)，t₂时段初始概率向量为N(t₂)，t₃时段初始概率向量为N(t₃)，则t₃时段初始概率预测向量为：

N′(t₃)＝αN(t₀)+βN(t₁)+γN(t₂)

t₄时段初始概率预测向量为：

N′(t₄)＝αN(t₁)+βN(t₂)+γN(t₃)

按照上述方法，对初始概率预测向量逐步进行动态标定；

b)融合加权移动平均法标定状态转移预测矩阵

这里的计算参数包括：t_n时段到t_n+1时段的状态转移预测矩阵三个权重系数α、β、γ；

利用加权移动平均法，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，以此达到动态预测的目的，t_n时段状态转移预测矩阵为：

如图4所示，t₀时段状态转移矩阵为A₀，t₁时段状态转移矩阵为为A₁，t₂时段状态转移矩阵为为A₂，t₃时段状态转移矩阵为为A₃，则t₃时段状态转移预测矩阵为：

t₄时段状态转移预测矩阵为：

按照上述方法，对状态转移预测矩阵逐步进行动态标定。

D)交叉口流向比例预测

这里的计算参数包括：t_n时段的流向预测比例向量N^*(t_n)，左转流向预测比例直行流向预测比例右转流向预测比例

根据已经标定的初始概率预测向量和状态转移预测矩阵求出流向预测比例向量，t_n时段的流向预测比例向量为：

流向预测比例向量中的分量即为所预测的t_n时段交叉口左转、直行、右转的流向比例。

E)交叉口各流向流量值预测

这里包括如下三个参数：左转预测流量L^*(t_n)，直行预测流量S^*(t_n)，右转预测流量R^*(t_n)；

利用路段微波在(t_n-t₀)时段检测到的交通量Q(t_n-t₀)乘以t_n时段的流向预测比例向量，即可得到t_n时段交叉口各流向流量预测值为：

Q(t_n-t₀)*N^*(t_n)＝(L^*(t_n),S^*(t_n),R^*(t_n))

上述公式中的L^*(t_n)、S^*(t_n)、R^*(t_n)即为t_n时段交叉口左转、直行、右转的流量预测值。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于转移矩阵的交叉口各流向流量值动态预测方法，其特征在于：包括以下步骤：

A）根据地磁和微波数据分别获取实时流向比例和路段流量；

B）确定初始概率向量和状态转移矩阵；

C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵；

D）交叉口流向比例预测；

E）交叉口各流向流量值预测；

所述步骤A）根据地磁和微波数据分别获取实时流向比例和路段流量，包括如下步骤：

a）由进口道地磁数据获取实时流向比例；

b）由路段微波数据获取实时路段流量；

所述步骤B）确定初始概率向量和状态转移矩阵，包括如下步骤：

a）确定初始概率向量；

b）确定状态转移矩阵；

所述步骤C）融合加权移动平均法标定初始概率预测向量和状态转移预测矩阵，包括如下步骤：

a）融合加权移动平均法标定初始概率预测向量；

b）融合加权移动平均法标定状态转移预测矩阵。

2.根据权利要求1所述的一种基于转移矩阵的交叉口各流向流量值动态预测方法，其特征在于：所述步骤C）的步骤b）中利用加权移动平均法，以三个连续的状态转移矩阵为一组数据来标定下一时段的状态转移预测矩阵，并按照时间序列逐步递推，以此达到动态预测的目的。

3.根据权利要求1所述的一种基于转移矩阵的交叉口各流向流量值动态预测方法，其特征在于：所述步骤D）中进行交叉口流向比例预测时，用标定的初始概率预测向量乘以状态转移预测矩阵得到流向预测比例向量，流向预测比例向量中的三个分量即为所预测的交叉口左转、直行、右转的流向比例。