本發(fā)明涉及一種基于大規(guī)模動態(tài)語義圖的交通流量預(yù)測算法，屬于交通大數(shù)據(jù)分析技術(shù)領(lǐng)域。

背景技術(shù)：

城市交通是城市社會經(jīng)濟(jì)活動的命脈，對促進(jìn)城市經(jīng)濟(jì)的發(fā)展、便捷人們的出行都具有重要的意義，隨著科學(xué)技術(shù)的進(jìn)步和工業(yè)的發(fā)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(shí)，由于工業(yè)發(fā)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(yè)的發(fā)展。

但是城市發(fā)展的同時(shí)，也造成了交通堵塞、交通事故經(jīng)常發(fā)生等一系列的問題。而交通事故的頻發(fā)往往在交通擁堵的路段，因此，預(yù)測下一個(gè)時(shí)間周期的交通流就顯得尤為重要。

目前國內(nèi)外在大規(guī)模的交通量預(yù)測技術(shù)區(qū)域的研究還不夠深入，尤其是在進(jìn)行公路建設(shè)項(xiàng)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(wǎng)整體中的作用進(jìn)行研究，往往造成預(yù)測交通量與實(shí)際交通量相差太遠(yuǎn)。

技術(shù)實(shí)現(xiàn)要素：

目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于大規(guī)模動態(tài)語義圖的交通流量預(yù)測算法。

技術(shù)方案：為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：

一種基于大規(guī)模動態(tài)語義圖的交通流量預(yù)測算法，包括如下步驟：

步驟一：獲取隨著時(shí)間傳遞的交通流相關(guān)度動態(tài)語義圖；

步驟二：應(yīng)用邏輯回歸方程，預(yù)測下一個(gè)時(shí)間周期的交通動態(tài)語義圖交通流。

作為優(yōu)選方案，所述交通流相關(guān)度動態(tài)語義圖為多個(gè)路段在一定的時(shí)間內(nèi)通過的車輛數(shù)目，相通的路段之間就具有了相關(guān)度，把有相關(guān)度的路段彼此連接起來，每過一個(gè)時(shí)間周期T動態(tài)更新各個(gè)路段的車輛數(shù)目，即可以獲得實(shí)時(shí)的交通流動態(tài)語義圖。

作為優(yōu)選方案，所述步驟二包括如下步驟：

2a：建立邏輯函數(shù)；

2b：計(jì)算發(fā)生比率；

2c：采用最大似然估計(jì)法對其回歸參數(shù)進(jìn)行估計(jì)；

2d：求出參數(shù)α；

2e：結(jié)合步驟一的動態(tài)語義圖，預(yù)測交通流；把以上求得的參數(shù)代入x_k代入所預(yù)測路段的上一個(gè)路段的交通流，所求出的y_i就是所預(yù)測的下一個(gè)路段的交通流。

作為優(yōu)選方案，所述步驟2a包括如下步驟：

2a1：假設(shè)有一個(gè)理論上存在的連續(xù)反應(yīng)變量y_i*代表交通流量，其值域?yàn)?到正無窮，當(dāng)該變量的值域跨越一個(gè)臨界值c時(shí)，便導(dǎo)致事件發(fā)生，此處c＝0,于是有：

y_t＝1表示事件發(fā)生，即有交通流；y_t＝0表示事件不發(fā)生，即沒有交通流；

2a2：假設(shè)在反應(yīng)變量y_i*和自變量x_k之間存在一種線性關(guān)系，

即

y_i*指的是實(shí)際觀察到的交通流量，

k表示與所觀察到的y_i*路段相連的上k個(gè)路段，x_k代表與所觀察到的y_i*路段相連的上面路段的第k個(gè)路段的交通流，β_k、α、ε_i為輔助預(yù)測的參數(shù)，0≤β_k≤1；

指的是反應(yīng)變量y_i*所在路段的與其相連的k個(gè)路段所貢獻(xiàn)的交通流量之和；

2a3：則得到：

2a4：通常，假設(shè)上式中ε_i有邏輯分布或者標(biāo)準(zhǔn)正態(tài)分布，因此可將(3)改寫為：

這一函數(shù)稱為邏輯函數(shù)，它具有S型分布。

作為優(yōu)選方案，所述步驟2b包括如下步驟：

2b1：令

表示事件發(fā)生的概率，而事件不發(fā)生的概率可以定義為：

2b2：

2b3：因此事件發(fā)生與不發(fā)生概率的比記為

兩端取對數(shù)為稱之為logit形式。

作為優(yōu)選方案，所述步驟2c包括如下步驟：

2c1：因?yàn)橐詾閷ΨQ中心，同樣適合復(fù)雜的多元回歸函數(shù)情況，其多元邏輯回歸方程為：

2c2：兩端取自然對數(shù)得：

2c3：估計(jì)了初始函數(shù)后，對殘差進(jìn)行檢驗(yàn)并用改進(jìn)的函數(shù)進(jìn)行重新估計(jì)，直到收斂為止，最大似然估計(jì)就是選取β₀，β₁，…β_k的估計(jì)值使得似然函數(shù)值最大，同理，可以運(yùn)用上述的方法求出，該項(xiàng)工作可由SPSS軟件計(jì)算得到。

作為優(yōu)選方案，所述步驟2d包括如下步驟：

2d1：因?yàn)棣?sub>i有邏輯分布或者標(biāo)準(zhǔn)正態(tài)分布，可通過數(shù)據(jù)統(tǒng)計(jì)求出ε_i；

2d2：由步驟2c中求出了β₁，把他們帶入中，其中y_i*代入實(shí)際觀測到的交通流，x₁代入y_i*上一個(gè)路段的交通流，可求出α的值。

有益效果：本發(fā)明提供的基于大規(guī)模動態(tài)語義圖的交通流量預(yù)測算法，創(chuàng)造性地運(yùn)用交通流量相關(guān)性動態(tài)語義圖；可以實(shí)時(shí)更新交通流量預(yù)測。

附圖說明

圖1為本發(fā)明交通流量相關(guān)性語義圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明作更進(jìn)一步的說明。

如圖1所示，一種基于大規(guī)模動態(tài)語義圖的交通流量預(yù)測算法，包括步驟如下：

步驟一：獲取隨著時(shí)間傳遞的交通流相關(guān)度動態(tài)語義圖：

設(shè)每一個(gè)路段在一定的時(shí)間內(nèi)通過的車輛數(shù)目X為這個(gè)時(shí)間段的交通流，因此，每一個(gè)路段都會有各自一個(gè)特定的交通流，如X,Y,Z等。如果每個(gè)路段互不干擾的話，則在一定的時(shí)間周期內(nèi)，交通流都是一定的，但實(shí)際上，每個(gè)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(guān)度。把有相關(guān)度的路段彼此連接起來，每過一個(gè)時(shí)間周期T動態(tài)更新，即可以獲得實(shí)時(shí)的交通流動態(tài)語義圖。

如圖1所示：圖中最底層有A₁、B₁、C₁、D₁四個(gè)路段，對應(yīng)的交通流分別為a₁、b₁、c₁、d₁，上一層有A₂、B₂、C₂、D₂四個(gè)路段，對應(yīng)的交通流分別為a₂、b₂、c₂、d₂，同理，再上一層有A₃、B₃、C₃、D₃四個(gè)路段，對應(yīng)的交通流分別為a₃、b₃、c₃、d₃，再上一層有A₄、B₄、C₄、D₄四個(gè)路段，對應(yīng)的交通流分別為a₄、b₄、c₄、d₄，假設(shè)路段A₁與B₂相通、B₂與C₃相通、C₃與B₄相通；與此同時(shí)，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B(tài)₂和C₂的交通流，即B₂和C₂的交通流與A₁具有一定的相關(guān)度，把有相關(guān)度的路段彼此連接起來，每過一個(gè)時(shí)間周期t動態(tài)更新，在t＝1(t＝1指的是第一個(gè)時(shí)間周期)時(shí)，A₁路口的交通流a₁會選擇通往B₂或C₂；t＝2時(shí)，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(shí)，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(shí)就獲取了隨著時(shí)間變化的流量傳遞圖，即獲取了隨著時(shí)間傳遞的交通流相關(guān)度動態(tài)語義圖。

步驟二：應(yīng)用邏輯回歸方程，預(yù)測下一個(gè)時(shí)間周期的交通動態(tài)語義圖交通流：1)建立邏輯函數(shù)：假設(shè)有一個(gè)理論上存在的連續(xù)反應(yīng)變量y_i*代表交通流量，其值域?yàn)?到正無窮，當(dāng)該變量的值域跨越一個(gè)臨界值c時(shí)，便導(dǎo)致事件發(fā)生，此處c＝0,于是有：

y_t＝1表示事件發(fā)生，即有交通流；y_t＝0表示事件不發(fā)生，即沒有交通流。

假設(shè)在反應(yīng)變量y_i*和自變量x_k之間存在一種線性關(guān)系，即

y_i*指的是實(shí)際觀察到的交通流量，

k表示與所觀察到的y_i*路段相連的上k個(gè)路段，x_k代表與所觀察到的y_i*路段相連的上面路段的第k個(gè)路段的交通流，β_k、α、ε_i為輔助預(yù)測的參數(shù)，0≤β_k≤1。

指的是反應(yīng)變量y_i*所在路段的與其相連的k個(gè)路段所貢獻(xiàn)的交通流量之和。

則得到：

通常，假設(shè)上式中ε_i有邏輯分布或者標(biāo)準(zhǔn)正態(tài)分布，因此可將(3)改寫為：

(4)這一函數(shù)稱為邏輯函數(shù)，它具有S型分布。

2)發(fā)生比率：

令

表示事件發(fā)生的概率，而事件不發(fā)生的概率可以定義為：

因此事件發(fā)生與不發(fā)生概率的比記為

兩端取對數(shù)為

稱之為logit形式。

3)采用最大似然估計(jì)法對其回歸參數(shù)進(jìn)行估計(jì)：

因?yàn)橐詾閷ΨQ中心，同樣適合復(fù)雜的多元回歸函數(shù)情況，其多元邏輯回歸方程為：

兩端取自然對數(shù)得：

最大似然估計(jì)是利用總體的分布密度或概率分布的表達(dá)式及其樣本所提供信息建立起求未知參數(shù)估計(jì)量的一種方法，是一種迭代算法，以一個(gè)預(yù)計(jì)估算值作為參數(shù)的初始值，根據(jù)算法確定能增大對數(shù)似然值的參數(shù)的方法和變動。

估計(jì)了初始函數(shù)后，對殘差進(jìn)行檢驗(yàn)并用改進(jìn)的函數(shù)進(jìn)行重新估計(jì)，直到收斂為止，最大似然估計(jì)就是選取β₀，β₁，…β_k的估計(jì)值使得似然函數(shù)值最大，同理，可以運(yùn)用上述的方法求出該項(xiàng)工作可由SPSS軟件計(jì)算得到。

4)求出參數(shù)α：因?yàn)棣?sub>i有邏輯分布或者標(biāo)準(zhǔn)正態(tài)分布，可通過數(shù)據(jù)統(tǒng)計(jì)求出ε_i，且在3)中求出了β₁，把他們帶入中，其中y_i*代入實(shí)際觀測到的交通流，x₁代入y_i*上一個(gè)路段的交通流，可求出α的值。

5)結(jié)合步驟一的動態(tài)語義圖，預(yù)測交通流；把以上求得的參數(shù)代入x_k代入所預(yù)測路段的上一個(gè)路段的交通流，所求出的y_i就是所預(yù)測的下一個(gè)路段的交通流。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。