基于大規模動態語義圖的交通流量預測算法制造技術

本發明專利技術公開了一種應用在交通流量中基于大規模動態語義圖的交通流量預測算法，通過獲取每個路段的交通流信息，以及路段之間的相關度，來獲取交通流相關度的動態語義圖，再運用邏輯回歸方程，來預測下一個時間周期的交通圖的交通流。本發明專利技術提供的算法提出了一種新的預測交通流的預測算法，適合應用在交通出行的最優路線，可以起到一定程度的減緩交通堵塞的問題。本發明專利技術提供的基于大規模動態語義圖的交通流量預測算法不僅在空間、時間上大，同時也體現在數據上大，這樣可以更加準確地預測每一個路段的交通流。

Traffic flow prediction algorithm based on large scale dynamic semantic map

The invention discloses an application to traffic flow prediction algorithm based on traffic flow in large-scale dynamic semantic map, through the traffic flow information of each section, and the correlation between sections, to obtain the dynamic traffic flow chart semantic correlation, then use logistic regression equation to predict the next period of time traffic the traffic flow map. The algorithm provided by the invention proposes a new forecasting algorithm for predicting traffic flow, which is suitable for the optimal route of traffic trip and can mitigate traffic congestion to a certain extent. The invention provides a traffic flow prediction algorithm for large-scale dynamic semantic graph based not only in space and time, but also reflected in the data, it can more accurately predict every traffic flow.

【技術實現步驟摘要】
基于大規模動態語義圖的交通流量預測算法
本專利技術涉及一種基于大規模動態語義圖的交通流量預測算法，屬于交通大數據分析

技術介紹
城市交通是城市社會經濟活動的命脈，對促進城市經濟的發展、便捷人們的出行都具有重要的意義，隨著科學技術的進步和工業的發展，城市中交通量激增，原始的交通方式已不能滿足要求；同時，由于工業發展為城市交通提供的各種交通工具越來越多，從而加速了城市交通事業的發展。但是城市發展的同時，也造成了交通堵塞、交通事故經常發生等一系列的問題。而交通事故的頻發往往在交通擁堵的路段，因此，預測下一個時間周期的交通流就顯得尤為重要。目前國內外在大規模的交通量預測技術區域的研究還不夠深入，尤其是在進行公路建設項目可行性研究，往往只考慮有直接影響的某一條或幾條線路，缺乏對所建公路在公路網整體中的作用進行研究，往往造成預測交通量與實際交通量相差太遠。
技術實現思路
目的：為了克服現有技術中存在的不足，本專利技術提供一種基于大規模動態語義圖的交通流量預測算法。技術方案：為解決上述技術問題，本專利技術采用的技術方案為：一種基于大規模動態語義圖的交通流量預測算法，包括如下步驟：步驟一：獲取隨著時間傳遞的交通流相關度動態語義圖；步驟二：應用邏輯回歸方程，預測下一個時間周期的交通動態語義圖交通流。作為優選方案，所述交通流相關度動態語義圖為多個路段在一定的時間內通過的車輛數目，相通的路段之間就具有了相關度，把有相關度的路段彼此連接起來，每過一個時間周期T動態更新各個路段的車輛數目，即可以獲得實時的交通流動態語義圖。作為優選方案，所述步驟二包括如下步驟：2a：建立邏輯函數；2b：計算發生比率；2c：采用最大似然估計法對其回歸參數進行估計；2d：求出參數α；2e：結合步驟一的動態語義圖，預測交通流；把以上求得的參數代入xk代入所預測路段的上一個路段的交通流，所求出的yi就是所預測的下一個路段的交通流。作為優選方案，所述步驟2a包括如下步驟：2a1：假設有一個理論上存在的連續反應變量yi*代表交通流量，其值域為0到正無窮，當該變量的值域跨越一個臨界值c時，便導致事件發生，此處c＝0,于是有：yt＝1表示事件發生，即有交通流；yt＝0表示事件不發生，即沒有交通流；2a2：假設在反應變量yi*和自變量xk之間存在一種線性關系，即yi*指的是實際觀察到的交通流量，k表示與所觀察到的yi*路段相連的上k個路段，xk代表與所觀察到的yi*路段相連的上面路段的第k個路段的交通流，βk、α、εi為輔助預測的參數，0≤βk≤1；指的是反應變量yi*所在路段的與其相連的k個路段所貢獻的交通流量之和；2a3：則得到：2a4：通常，假設上式中εi有邏輯分布或者標準正態分布，因此可將(3)改寫為：這一函數稱為邏輯函數，它具有S型分布。作為優選方案，所述步驟2b包括如下步驟：2b1：令表示事件發生的概率，而事件不發生的概率可以定義為：2b2：2b3：因此事件發生與不發生概率的比記為兩端取對數為稱之為logit形式。作為優選方案，所述步驟2c包括如下步驟：2c1：因為以為對稱中心，同樣適合復雜的多元回歸函數情況，其多元邏輯回歸方程為：2c2：兩端取自然對數得：2c3：估計了初始函數后，對殘差進行檢驗并用改進的函數進行重新估計，直到收斂為止，最大似然估計就是選取β0，β1，…βk的估計值使得似然函數值最大，同理，可以運用上述的方法求出，該項工作可由SPSS軟件計算得到。作為優選方案，所述步驟2d包括如下步驟：2d1：因為εi有邏輯分布或者標準正態分布，可通過數據統計求出εi；2d2：由步驟2c中求出了β1，把他們帶入中，其中yi*代入實際觀測到的交通流，x1代入yi*上一個路段的交通流，可求出α的值。有益效果：本專利技術提供的基于大規模動態語義圖的交通流量預測算法，創造性地運用交通流量相關性動態語義圖；可以實時更新交通流量預測。附圖說明圖1為本專利技術交通流量相關性語義圖。具體實施方式下面結合附圖對本專利技術作更進一步的說明。如圖1所示，一種基于大規模動態語義圖的交通流量預測算法，包括步驟如下：步驟一：獲取隨著時間傳遞的交通流相關度動態語義圖：設每一個路段在一定的時間內通過的車輛數目X為這個時間段的交通流，因此，每一個路段都會有各自一個特定的交通流，如X,Y,Z等。如果每個路段互不干擾的話，則在一定的時間周期內，交通流都是一定的，但實際上，每個路段都會受到其他和其相通的路段的交通流的影響，從而自身路段的交通流也隨之改變，相通的路段之間就具有了相關度。把有相關度的路段彼此連接起來，每過一個時間周期T動態更新，即可以獲得實時的交通流動態語義圖。如圖1所示：圖中最底層有A1、B1、C1、D1四個路段，對應的交通流分別為a1、b1、c1、d1，上一層有A2、B2、C2、D2四個路段，對應的交通流分別為a2、b2、c2、d2，同理，再上一層有A3、B3、C3、D3四個路段，對應的交通流分別為a3、b3、c3、d3，再上一層有A4、B4、C4、D4四個路段，對應的交通流分別為a4、b4、c4、d4，假設路段A1與B2相通、B2與C3相通、C3與B4相通；與此同時，A1與C2也相通，C2與D3相通，D3與D4相通，在此我們就知道，A1的交通流a1，影響B2和C2的交通流，即B2和C2的交通流與A1具有一定的相關度，把有相關度的路段彼此連接起來，每過一個時間周期t動態更新，在t＝1(t＝1指的是第一個時間周期)時，A1路口的交通流a1會選擇通往B2或C2；t＝2時，B2和C2上所獲得的交通流b2和c2又會分別通往C3和D3；同理，t＝3時，C3和D3上所獲得的交通流c3和d3又會分別通往B4和D4,此時就獲取了隨著時間變化的流量傳遞圖，即獲取了隨著時間傳遞的交通流相關度動態語義圖。步驟二：應用邏輯回歸方程，預測下一個時間周期的交通動態語義圖交通流：1)建立邏輯函數：假設有一個理論上存在的連續反應變量yi*代表交通流量，其值域為0到正無窮，當該變量的值域跨越一個臨界值c時，便導致事件發生，此處c＝0,于是有：yt＝1表示事件發生，即有交通流；yt＝0表示事件不發生，即沒有交通流。假設在反應變量yi*和自變量xk之間存在一種線性關系，即yi*指的是實際觀察到的交通流量，k表示與所觀察到的yi*路段相連的上k個路段，xk代表與所觀察到的yi*路段相連的上面路段的第k個路段的交通流，βk、α、εi為輔助預測的參數，0≤βk≤1。指的是反應變量yi*所在路段的與其相連的k個路段所貢獻的交通流量之和。則得到：通常，假設上式中εi有邏輯分布或者標準正態分布，因此可將(3)改寫為：(4)這一函數稱為邏輯函數，它具有S型分布。2)發生比率：令表示事件發生的概率，而事件不發生的概率可以定義為：因此事件發生與不發生概率的比記為兩端取對數為稱之為logit形式。3)采用最大似然估計法對其回歸參數進行估計：因為以為對稱中心，同樣適合復雜的多元回歸函數情況，其多元邏輯回歸方程為：兩端取自然對數得：最大似然估計是利用總體的分布密度或概率分布的表達式及其樣本所提供信息建立起求未知參數估計量的一種方法，是一種迭代算法，以一個預計估算值作為參數的初始值，根據算法確定能增大對數似然值的參數的方法和變動。估計了初本文檔來自技高網...

【技術保護點】
一種基于大規模動態語義圖的交通流量預測算法，其特征在于：包括如下步驟：步驟一：獲取隨著時間傳遞的交通流相關度動態語義圖；步驟二：應用邏輯回歸方程，預測下一個時間周期的交通動態語義圖交通流。

【技術特征摘要】
1.一種基于大規模動態語義圖的交通流量預測算法，其特征在于：包括如下步驟：步驟一：獲取隨著時間傳遞的交通流相關度動態語義圖；步驟二：應用邏輯回歸方程，預測下一個時間周期的交通動態語義圖交通流。2.根據權利要求1所述的基于大規模動態語義圖的交通流量預測算法，其特征在于：所述交通流相關度動態語義圖為多個路段在一定的時間內通過的車輛數目，相通的路段之間就具有了相關度，把有相關度的路段彼此連接起來，每過一個時間周期T動態更新各個路段的車輛數目，即可以獲得實時的交通流動態語義圖。3.根據權利要求1所述的基于大規模動態語義圖的交通流量預測算法，其特征在于：所述步驟二包括如下步驟：2a：建立邏輯函數；2b：計算發生比率；2c：采用最大似然估計法對其回歸參數進行估計；2d：求出參數α；2e：結合步驟一的動態語義圖，預測交通流；把以上求得的參數代入xk代入所預測路段的上一個路段的交通流，所求出的yi就是所預測的下一個路段的交通流。4.根據權利要求1所述的基于大規模動態語義圖的交通流量預測算法，其特征在于：所述步驟2a包括如下步驟：2a1：假設有一個理論上存在的連續反應變量yi*代表交通流量，其值域為0到正無窮，當該變量的值域跨越一個臨界值c時，便導致事件發生，此處c＝0,于是有：yt＝1表示事件發生，即有交通流；yt＝0表示事件不發生，即沒有交通流；2a2：假設在反應變量yi*和自變量xk之間存在一種線性關系，即yi*指的是實際觀察到的交通流量，k表示與所觀察到的yi*路段相連的上k個路段，xk代表與所觀察到的yi*路段相連的上面路段的第k個路段的交通流，βk、α、εi為輔助預測的參數，0≤βk≤1；指的是反應變量yi*所在路段的與其相連的k個路段所貢獻的交通流量之和；2a3：則得到：

【專利技術屬性】
技術研發人員：陳媛芳，藍桂茂，方潤濤，陳法林，舒磊，
申請(專利權)人：廣東石油化工學院，
類型：發明
國別省市：廣東,44