一种智慧交通车流量预测方法及系统

专利主权项内容

1.一种智慧交通车流量预测方法，其特征在于，该方法包括以下步骤：采集各时间段的历史车流量数据；根据各时间段的历史车流量数据构建各路口的车流序列，对车流序列进行正态性检验获取各路口的车流分布偏度评分和车流分布峰度评分，根据车流分布偏度评分和车流分布峰度评分获取各路口的车流分布差异系数；根据车流分布差异系数、车流分布偏度评分和车流分布峰度评分获取各路口的车流正态常规系数；根据车流正态常规系数获取各路口的车流序列的滑动窗口长度，根据历史车流量数据获取各滑动窗口的车流突变时间点；根据车流序列之间的相关性获取关联路口以及各路口与其他各路口之间的车流滞后时长；根据车流突变时间点和车流滞后时长获取各路口的车流序列中各车流突变时间点和关联路口之间的阶段关联度；根据各车流突变时间点和关联路口之间的阶段关联度获取各路口的各车流突变时间点的阶段划分特征指数，根据阶段划分特征指数获取各路口的车流阶段偏离指数；根据车流阶段偏离指数获取各路口的预测自回归项数；根据预测自回归项数结合自回归差分移动平均模型对各路口车流量进行预测；所述获取各路口的预测自回归项数，包括：计算各路口的车流阶段偏离指数与车流正态常规系数的比值作为各路口的车流波动异常系数，将各路口与其他各路口的车流方向关联指数的均值作为各路口的枢纽管控影响指数；计算各路口的车流波动异常系数与枢纽管控影响指数的乘积，计算以自然常数为底、以所述乘积的负值为指数的指数函数的计算结果，计算数字1与所述计算结果的差值，将所述差值与预设自回归项数初始值的乘积的向下取整值作为各路口的预测自回归项数；所述根据预测自回归项数结合自回归差分移动平均模型对各路口车流量进行预测，包括：将各路口的预测自回归项数作为自回归差分移动平均模型的自回归项数，使用自回归差分移动平均模型根据每个路口的历史车流量数据预测路口下一个时间段的车流量；所述构建各路口的车流序列，对车流序列进行正态性检验获取各路口的车流分布偏度评分和车流分布峰度评分，根据车流分布偏度评分和车流分布峰度评分获取各路口的车流分布差异系数，包括：将各路口在采集周期内各时间段的历史车流量数据按照采集的时间顺序排序组成各路口的车流序列；使用Kolmogorov-Smirnov test算法对各路口的车流序列进行正态性检验，获取各路口的车流序列的偏度Z评分作为各路口的车流分布偏度评分，获取各路口的车流序列的峰度Z评分作为各路口的车流分布峰度评分；计算各路口与其他各路口的车流分布偏度评分的差值绝对值作为第一差值绝对值，计算各路口与其他各路口的车流分布峰度评分之间的差值绝对值作为第二差值绝对值，计算第一差值绝对值与第二差值绝对值的和值与数字2的比值，将各路口的所有所述比值的均值作为各路口的车流分布差异系数；所述获取各路口的车流正态常规系数，包括：计算各路口的车流分布偏度评分的绝对值与车流分布峰度评分的绝对值的和值，计算所述和值的负值与各路口的车流分布差异系数的乘积，将以自然常数为底、以所述乘积为指数的指数函数的计算结果作为各路口的车流正态常规系数；所述获取各路口的车流序列的滑动窗口长度，根据历史车流量数据获取各滑动窗口的车流突变时间点，包括：计算各车流序列中时间段的个数与数字的比值，计算各路口的车流正态常规系数与所述比值的乘积，将所述乘积的向下取整值与数字1的和值作为各路口的车流序列的滑动窗口长度；对于各车流序列，计算各滑动窗口内所有历史车流量数据的均值与前一滑动窗口内所有历史车流量数据的均值的差值绝对值，计算所述差值绝对值与各滑动窗口内所有历史车流量数据的标准差的比值，计算以自然常数为底、以所述比值为指数的指数函数的计算结果，将数字1与所述计算结果的差值作为各车流序列中各滑动窗口的车流突变指数；将车流序列中各时间段的最后一个时刻作为各车流序列的时间点，将车流突变指数大于预设突变阈值的滑动窗口中所有时间点作为车流突变时间点；所述获取关联路口以及各路口与其他各路口之间的车流滞后时长，包括：对于各路口的车流序列，将车流序列中的元素每次后移一位，将后移出车流序列的元素放在车流序列的第一位，后移次数为次，计算每次后移的车流序列与其他路口的车流序列之间的皮尔逊相关系数，将每次后移的车流序列与其他各路口的车流序列之间的所有皮尔逊相关系数的最大值作为各路口与其他各路口之间的车流方向关联指数，将所述皮尔逊相关系数最大时各车流序列后移的总位数作为各路口与其他各路口之间的车流滞后时长；将车流方向关联指数大于预设关联阈值的两个路口作为一对关联路口；所述获取各路口的车流序列中各车流突变时间点和关联路口之间的阶段关联度，包括：计算各路口中各车流突变时间点与第p个关联路口中各车流突变时间点之间的差值，统计各路口中所有所述差值的最小值，计算所述最小值和各路口与第p个关联路口的车流滞后时长的差值绝对值，将以自然常数为底、以所述差值绝对值的负值为指数的指数函数的计算结果作为各路口中各车流突变时间点和第p个关联路口之间的阶段关联度；所述获取各路口的各车流突变时间点的阶段划分特征指数，根据阶段划分特征指数获取各路口的车流阶段偏离指数，包括：计算各路口中各车流突变时间点与所有关联路口之间的阶段关联度的和值与各路口的关联路口的个数的比值作为各路口中各车流突变时间点的阶段划分特征指数；将阶段划分特征指数大于预设阶段划分阈值的车流突变时间点作为阶段突变点，将除阶段突变点以外的车流时间突变点作为扰动突变点，将各路口的车流序列在阶段突变点进行划分得到各车流序列的所有车流阶段子序列，计算各车流阶段子序列的赫斯特指数；对于各路口中各车流阶段子序列，计算车流阶段子序列中扰动突变点的个数与数字1的和值，计算所述和值与车流阶段子序列的赫斯特指数的比值，计算各路口中所有所述比值的和值，将所述和值与各路口中所有车流阶段子序列的个数的比值作为各路口的车流阶段偏离指数。