專利名稱：一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種交通狀態(tài)預(yù)測與測量技術(shù)，尤其涉及一種城市道路交通狀 態(tài)的預(yù)測技術(shù)，尤其是具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系統(tǒng)及方法， 屬于智能交通技術(shù)領(lǐng)域。
背景技術(shù)：
交通擁堵已經(jīng)成為當(dāng)前困擾經(jīng)濟社會發(fā)展的嚴重問題。交通控制與誘導(dǎo)是緩 解交通擁堵最有效的途徑，而實時、準(zhǔn)確的交通狀態(tài)預(yù)測是實現(xiàn)交通控制與誘 導(dǎo)的前提和基礎(chǔ)，已經(jīng)引起國際交通領(lǐng)域的廣泛關(guān)注。隨著智能交通的發(fā)展，
對預(yù)測技術(shù)的要求越來越高，現(xiàn)有技術(shù)的不足日益凸顯。具體表現(xiàn)在(1)不 能實時處理快速到達的海量"流"式數(shù)據(jù)；(2 )預(yù)測模型未考慮交通狀態(tài)變化的 過程特征，準(zhǔn)確度不高；(3)模型不能動態(tài)調(diào)整以適應(yīng)交通數(shù)據(jù)分布的變化。 這些問題對已有交通狀態(tài)預(yù)測技術(shù)提出了嚴峻挑戰(zhàn)。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)結(jié)構(gòu)的不足，本發(fā)明提供一種具有實時和連續(xù)特性的城 市交通狀態(tài)預(yù)測系統(tǒng)及方法。
所述的這種城市道路交通狀態(tài)預(yù)測系統(tǒng)要解決現(xiàn)有技術(shù)中城市交通狀態(tài)預(yù) 測技術(shù)的預(yù)測實時性和連續(xù)性不足和不適用的技術(shù)問題。
一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系統(tǒng)，主要包括 所述的實時交通數(shù)據(jù)的預(yù)處理沖莫塊接受外界實時傳入的交通數(shù)據(jù)流，對其 進行在線概化和特征提取；
所述的交通狀態(tài)參數(shù)的預(yù)測模塊接受預(yù)處理后的交通參數(shù)信息，做出在線
的交通參數(shù)預(yù)測；
所述的預(yù)測模型的主動監(jiān)控模塊，實時監(jiān)控交通數(shù)據(jù)流特征的變化，對于 超出限定閾值的情況予以實時反饋和報警；
所述的預(yù)測模型的自適應(yīng)調(diào)整模塊根據(jù)監(jiān)控模塊的報警信息，主動的對預(yù) 測模型進行自適應(yīng)的調(diào)整，使得預(yù)測模型能夠自動的隨外界變化而變化，維持 預(yù)測結(jié)果的精度；
所述交通狀態(tài)的自動識別模塊，根據(jù)交通狀態(tài)參數(shù)預(yù)測模塊輸出的各類交 通狀態(tài)參數(shù)(如流量、占有率等參數(shù))，根據(jù)設(shè)定的交通狀態(tài)，自動識別當(dāng)前的 交通狀態(tài)。
上述各個模塊之間的數(shù)據(jù)流向關(guān)系描述如下
預(yù)處理模塊接受實時交通數(shù)據(jù)流的輸入，將預(yù)處理結(jié)果輸入預(yù)測i^莫塊、主動 監(jiān)控模塊和自適應(yīng)調(diào)整模塊；預(yù)測模塊根據(jù)輸入交通數(shù)據(jù)流實時產(chǎn)生交通參數(shù) 的預(yù)測結(jié)果，并輸入到狀態(tài)識別模塊；主動監(jiān)控模塊根據(jù)輸入實時交通數(shù)據(jù)流 監(jiān)控是否有概念漂移發(fā)生。如監(jiān)測到概念漂移發(fā)生，則通知自適應(yīng)調(diào)整模塊； 自適應(yīng)調(diào)整接到主動監(jiān)控模塊的自適應(yīng)調(diào)整通知，在接受當(dāng)前預(yù)處理后的交通 數(shù)據(jù)流基礎(chǔ)上，對預(yù)測模型進行自適應(yīng)的調(diào)整；交通狀態(tài)自動識別模塊在預(yù)測 參數(shù)的基礎(chǔ)上，將識別得到的交通狀態(tài)輸出到最終用戶。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是
一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測方法，含有以下步驟；
步腺一、交通數(shù)據(jù)流的在線概化和特征提取，對交通數(shù)據(jù)流進行降維，得到 與預(yù)測任務(wù)最相關(guān)的數(shù)據(jù)子集，但是卻保留原了數(shù)據(jù)的特征；
步驟二、交通狀態(tài)預(yù)測模型的建立，融合交通數(shù)據(jù)流的過程特征和非過程特 征，高效建立綜合決策知識網(wǎng)絡(luò)體系；
步驟三、交通狀態(tài)預(yù)測模型的在線自適應(yīng)機制，主動監(jiān)控概念漂移的發(fā)生，
并動態(tài)的對交通狀態(tài)模型進行自適應(yīng)的調(diào)整；
步驟四、交通狀態(tài)的自動識別，根據(jù)各類交通參數(shù)快速自動判別出當(dāng)前的交
通狀態(tài)。
一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測方法，
(1) 采用聶新的數(shù)據(jù)處理技術(shù)~^:據(jù)流技術(shù)后，在線性訪問(避免了傳統(tǒng) 的多次迭代訪問模式)數(shù)據(jù)流的情況下，在內(nèi)存空間對交通流進行處理和分析， 從而滿足應(yīng)用對實時性的需求；
(2) 采用過程神經(jīng)網(wǎng)絡(luò)^L術(shù)，能夠接受數(shù)據(jù)流的連續(xù)、過程式的輸入，高 效完成交通狀態(tài)預(yù)測后，并以一個連續(xù)的時間段方式輸出(當(dāng)前方法僅能支持 輸出一個時間點狀態(tài))，從而滿足應(yīng)用對未來若干連續(xù)時間內(nèi)交通狀態(tài)的需求；
(3 )釆用概念漂移處理技術(shù)，對交通狀態(tài)預(yù)測模型進行動態(tài)自適應(yīng)的調(diào)整， 從而使模型的預(yù)測精度和性能能夠適應(yīng)外界環(huán)境的變化而相應(yīng)的變化。
交通狀態(tài)預(yù)測是進行展開交通誘導(dǎo)的J^出，而交通誘導(dǎo)是解決交通阻塞的關(guān) 鍵。目前已有的成果具有非實時、不連續(xù)的特性，不能4艮好支持實際的應(yīng)用。 因此，本發(fā)明的有益效果所具有的特性可幫助管理部門科學(xué)制定交通控制與管 理策略，為更大程度上實現(xiàn)交通智能化提供支持。對于提升我國在智能交通領(lǐng) 域的研究和應(yīng)用水平，縮短與國際水平的差距，具有重要的理論意義；對于提 高我國道路交通的管理水平，有效緩解交通擁堵，具有重要的現(xiàn)實意義。本專 利技術(shù)具有很大的市場空間。


圖l為本發(fā)明的交通狀態(tài)預(yù)測在交通誘導(dǎo)系統(tǒng)中的功能示意圖2為本發(fā)明的交通狀態(tài)預(yù)測功能模塊劃分示意圖3為本發(fā)明的交通狀態(tài)預(yù)測的交通狀態(tài)自動識別示意圖4為本發(fā)明的交通狀態(tài)預(yù)測的步驟流程圖。 下面結(jié)合附圖和實施例對本發(fā)明進一步說明。
具體實施例方式
如圖1所示，交通狀態(tài)預(yù)測系統(tǒng)根據(jù)實時的交通流數(shù)據(jù)，對未來時段內(nèi)的交 通狀態(tài)給出實時預(yù)測，將預(yù)測結(jié)果提供給交通控制與誘導(dǎo)系統(tǒng)，幫助管理者指 定控制誘導(dǎo)策略。同時，將預(yù)測結(jié)果提供給出行者，幫助他們選擇合適的出行 路線。管理者和出行者采取的措施和選擇又對下一時段的交通狀態(tài)產(chǎn)生影響， 成為預(yù)測系統(tǒng)進一步預(yù)測的依據(jù)。因而，交通狀態(tài)預(yù)測系統(tǒng)建立了管理者、出 行者與交通狀態(tài)之間相互作用的關(guān)系，實現(xiàn)了對實時交通狀態(tài)的信息有效利用 和人工千預(yù),是交通控制與誘導(dǎo)系統(tǒng)的核心的部分。
如圖2所示，是本發(fā)明的核心部分，主要包括實時交通數(shù)據(jù)的預(yù)處理模塊、 交通狀態(tài)參數(shù)的預(yù)測模塊、預(yù)測模型的主動監(jiān)控模塊、預(yù)測模型的自適應(yīng)調(diào)整 模塊以及交通狀態(tài)最終的自動識別模塊。
其中，交通數(shù)據(jù)流的預(yù)處理模塊的主要功能是由于交通數(shù)據(jù)流具有多源、 海量、低粒度以及高維等特性，無法滿足高效建模的需要，必須對交通數(shù)據(jù)流 進行在線概化(Online Generalization)和特征提取。在線概化主要完成了在保持交 通數(shù)據(jù)過程特征的前提下，通過動態(tài)建立和維護數(shù)據(jù)流泛化層次樹將交通數(shù)據(jù) 流從原始細節(jié)層直接映射到較高概念層；特征提取是完成與目標(biāo)位置相關(guān)的相 鄰位置、數(shù)據(jù)序列長度、以及交通參數(shù)特征的提取。基于數(shù)據(jù)流技術(shù)的在線概 化和特征提取方法，可使降維后的交通數(shù)據(jù)流既是原有數(shù)據(jù)的歸約，又保持原 有的過程特征，從而為高效、準(zhǔn)確的預(yù)測建模奠定1^出。
其中，交通狀態(tài)參數(shù)(流量、占有率和速度等)的預(yù)測模塊的主要功能是 交通數(shù)據(jù)流是一種包含時空信息的復(fù)雜數(shù)據(jù)，各種特征錯綜復(fù)雜地交織在一起， 既包含具有過程特征的規(guī)律性因素，又包含各種不確定的隨機因素(如突發(fā)事
件等)。建立交通狀態(tài)預(yù)測模型必須綜合考慮各種因素，構(gòu)造一個具有綜合決策 能力的交通狀態(tài)預(yù)測模型。本發(fā)明建立了面向過程神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)預(yù)測模 型。這種模型包含不同類型的神經(jīng)元，既有處理過程特征的過程神經(jīng)元，又有 處理非過程特征(如不確定性事件等)的普通神經(jīng)元。模型既包含處理規(guī)律性 知識的功能，又包舍處理不確定性事件的功能。采用多種神經(jīng)元融合的決策機 制形成一種有效的綜合決策體系，提高了預(yù)測的準(zhǔn)確性和預(yù)測的魯棒性。
其中，預(yù)測模型的主動監(jiān)控模塊的主要功能是在交通數(shù)據(jù)流環(huán)境中，當(dāng)數(shù) 據(jù)分布沒有(或很小)發(fā)生變化時，不需要進行模型的持續(xù)更新。需要主動監(jiān) 控數(shù)據(jù)分布的較大變化，當(dāng)更新條件被滿足時觸發(fā)過程神經(jīng)網(wǎng)絡(luò)模型的更新。 本發(fā)明提出在數(shù)據(jù)流抽樣理論的基礎(chǔ)上，提出基于核函數(shù)密度估計的數(shù)據(jù)分布 變化監(jiān)測方法。該監(jiān)控功能獨立于網(wǎng)絡(luò)結(jié)構(gòu)，以最小的代價實時監(jiān)控數(shù)據(jù)分布 的改變。模型更新條件一旦滿足，則啟動自適應(yīng)更新功能。
其中，預(yù)測模型的自適應(yīng)調(diào)整模塊的主要功能是當(dāng)主動更新條件滿足時， 模型需要進行實時動態(tài)更新。調(diào)整后的模型能夠反映當(dāng)前數(shù)據(jù)流的特征，保證
了預(yù)測的準(zhǔn)確性。本發(fā)明提出了基于過程神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)預(yù)測模型的自適 應(yīng)更新技術(shù)，使之能夠捕捉交通數(shù)據(jù)流環(huán)境中特征的變化，自動調(diào)整模型自身 的結(jié)構(gòu)和權(quán)值，減小網(wǎng)絡(luò)的泛化誤差；根據(jù)過程神經(jīng)網(wǎng)絡(luò)的特點，在數(shù)據(jù)流技 術(shù)的基礎(chǔ)上提出模型的在線增量學(xué)習(xí)方法，提高模型的快速、持續(xù)的學(xué)習(xí)能力， 從而建立大規(guī)模過程神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)機制。
其中，交通狀態(tài)最終的自動識別模塊的主要功能是交通狀態(tài)預(yù)測得到的交 通參數(shù)數(shù)據(jù)(如流量、占有率等參數(shù))都是實值，這些信息對領(lǐng)域?qū)＜曳浅Ｓ?用，但對于普通用戶而言，則過于細節(jié)而不利于理解。如圖3所示，本發(fā)明提出 了利用隱馬爾科夫模型進行交通狀態(tài)的自動識別方法，高模型可以根據(jù)系統(tǒng)設(shè) 定的交通狀態(tài)級別自動進行建模、學(xué)習(xí)和在線的交通狀態(tài)識別。
權(quán)利要求
1.一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系統(tǒng)，包括實時交通數(shù)據(jù)的預(yù)處理模塊、交通狀態(tài)參數(shù)的預(yù)測模塊、預(yù)測模型的主動監(jiān)控模塊、預(yù)測模型的自適應(yīng)調(diào)整模塊以及交通狀態(tài)的自動識別模塊，其特征在于所述的實時交通數(shù)據(jù)的預(yù)處理模塊接受外界實時傳入的交通數(shù)據(jù)流，對其進行在線概化和特征提取；所述的交通狀態(tài)參數(shù)的預(yù)測模塊接受預(yù)處理后的交通參數(shù)信息，做出在線的交通參數(shù)預(yù)測；所述的預(yù)測模型的主動監(jiān)控模塊，實時監(jiān)控交通數(shù)據(jù)流特征的變化，對于超出限定閾值的情況予以實時反饋和報警；所述的預(yù)測模型的自適應(yīng)調(diào)整模塊根據(jù)監(jiān)控模塊的報警信息，主動的對預(yù)測模型進行自適應(yīng)的調(diào)整，使得預(yù)測模型能夠自動的隨外界變化而變化，維持預(yù)測結(jié)果的精度；所述交通狀態(tài)的自動識別模塊，根據(jù)交通狀態(tài)參數(shù)預(yù)測模塊輸出的各類交通狀態(tài)參數(shù)流量、占有率參數(shù)，根據(jù)設(shè)定的交通狀態(tài)，自動識別當(dāng)前的交通狀態(tài)；預(yù)處理模塊接受實時交通數(shù)據(jù)流的輸入，將預(yù)處理結(jié)果輸入預(yù)測模塊、主動監(jiān)控模塊和自適應(yīng)調(diào)整模塊；預(yù)測模塊根據(jù)輸入交通數(shù)據(jù)流實時產(chǎn)生交通參數(shù)的預(yù)測結(jié)果，并輸入到狀態(tài)識別模塊；主動監(jiān)控模塊根據(jù)輸入實時交通數(shù)據(jù)流監(jiān)控是否有概念漂移發(fā)生；如監(jiān)測到概念漂移發(fā)生，則通知自適應(yīng)調(diào)整模塊；自適應(yīng)調(diào)整接到主動監(jiān)控模塊的自適應(yīng)調(diào)整通知，在接受當(dāng)前預(yù)處理后的交通數(shù)據(jù)流基礎(chǔ)上，對預(yù)測模型進行自適應(yīng)的調(diào)整；交通狀態(tài)自動識別模塊在預(yù)測參數(shù)的基礎(chǔ)上，將識別得到的交通狀態(tài)輸出到最終用戶。
2. 根據(jù)權(quán)利要求l所述的一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系 統(tǒng)，其特征是所述的交通數(shù)據(jù)流的預(yù)處理模塊，采用基于數(shù)據(jù)流技術(shù)的在線 概化和特征提取技術(shù)來完成。
3. 根據(jù)權(quán)利要求l所述的一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系 統(tǒng)，其特征是所述的交通狀態(tài)預(yù)測模型采用過程神經(jīng)網(wǎng)絡(luò)技術(shù)，捕獲交通狀 態(tài)變化的過程特征。
4. 根據(jù)權(quán)利要求1所述的 一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系 統(tǒng)，其特征是所述的預(yù)測模型的主動監(jiān)控模塊基于核函數(shù)密度估計的數(shù)據(jù)分 布變化監(jiān)測方法。
5. 根據(jù)權(quán)利要求l所述的一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系 統(tǒng)，其特征是所述的預(yù)測模型的自適應(yīng)調(diào)整模塊是在數(shù)據(jù)流技術(shù)的基礎(chǔ)上提 出的在線增量學(xué)習(xí)方法來完成的。
6. 根據(jù)權(quán)利要求l所述的一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系 統(tǒng)，其特征是所述的交通狀態(tài)的自動識別模塊采用隱馬爾科夫模型技術(shù)進行 交通狀態(tài)的在線自動識別。
7. —種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測方法，其特征是含有以下 步驟；步驟一、交通數(shù)據(jù)流的在線概化和特征提取，對交通數(shù)據(jù)流進行降維，得到 與預(yù)測任務(wù)最相關(guān)的數(shù)據(jù)子集，保留原了數(shù)據(jù)的特征；步驟二、交通狀態(tài)預(yù)測模型的建立，融合交通數(shù)據(jù)流的過程特征和非過程特 征，高效建立綜合決策知識網(wǎng)絡(luò)體系；步驟三、交通狀態(tài)預(yù)測模型的在線自適應(yīng)機制，主動監(jiān)控概念漂移的發(fā)生， 并動態(tài)的對交通狀態(tài)模型進行自適應(yīng)的調(diào)整；步驟四、交通狀態(tài)的自動識別，根據(jù)各類交通參數(shù)快速自動判別出當(dāng)前的交 通狀態(tài)。
全文摘要
一種具有實時和連續(xù)特性的城市交通狀態(tài)預(yù)測系統(tǒng)，實時交通數(shù)據(jù)的預(yù)處理模塊接受外界實時接受交通數(shù)據(jù)流，對其進行在線概化和特征提取預(yù)處理，并輸入所述的交通狀態(tài)參數(shù)的預(yù)測模塊做出在線的交通參數(shù)預(yù)測。預(yù)測模型的主動監(jiān)控模塊實時監(jiān)控交通數(shù)據(jù)流特征的變化，對于超出限定閾值的情況予以實時反饋和報警，預(yù)測模型的自適應(yīng)調(diào)整模塊根據(jù)監(jiān)控模塊的報警信息，主動的對預(yù)測模型進行自適應(yīng)的調(diào)整。交通狀態(tài)的自動識別模塊根據(jù)預(yù)測的各類交通狀態(tài)參數(shù)，自動識別當(dāng)前的交通狀態(tài)。本發(fā)明可幫助交通管理部門科學(xué)制定交通控制與管理策略，提升我國在智能交通領(lǐng)域的研究和應(yīng)用水平，縮短與國際水平的差距，提高管理水平，有效緩解交通擁堵。
文檔編號G06Q10/00GK101188002SQ20071030398
公開日2008年5月28日 申請日期2007年12月24日 優(yōu)先權(quán)日2007年12月24日
發(fā)明者宋國杰, 謝昆青 申請人:北京大學(xué)