專利名稱:基于混沌理論的交通信息預(yù)測(cè)方法
技術(shù)領(lǐng)域:
本發(fā)明屬于智能交通領(lǐng)域,可應(yīng)用于城市智能交通管理系統(tǒng)中關(guān)于未來(lái)交通情況預(yù)測(cè)等方面。
背景技術(shù):
隨著我國(guó)經(jīng)濟(jì)技術(shù)不斷發(fā)展,交通狀況不斷復(fù)雜,我們致力于通過(guò)對(duì)交通狀況的演技和預(yù)測(cè)來(lái)致力于智能管理繁雜的交通。本發(fā)明主要將目前在迅速發(fā)展的混沌理論的相關(guān)方法與智能交通研究相結(jié)合,實(shí)現(xiàn)一種能夠?qū)崿F(xiàn)交通信息預(yù)測(cè)的方法?;煦缡侵冈诖_定性系統(tǒng)中出現(xiàn)的一種貌似無(wú)規(guī)則的、類似隨機(jī)的現(xiàn)象?;煦邕\(yùn)動(dòng)是確定性系統(tǒng)中局限于有限空間的軌道高度不穩(wěn)當(dāng)?shù)倪\(yùn)動(dòng)。所謂高度不穩(wěn)定,是指相鄰的軌道會(huì)隨著時(shí)間的推移而呈現(xiàn)指數(shù)形式的分離。由于這種不穩(wěn)定,系統(tǒng)給的長(zhǎng)時(shí)間行為會(huì) 顯示出某種混亂性。顯而易見,交通系統(tǒng)是一個(gè)十分復(fù)雜的大系統(tǒng),組成系統(tǒng)給的各個(gè)方面之間存在復(fù)雜的非線性關(guān)系,在交通行為中必然導(dǎo)致混沌現(xiàn)象的產(chǎn)生。例如,道路上車輛的行駛、擁擠程度、天氣情況、司機(jī)駕駛習(xí)慣等諸多因素的印象,必然形成一個(gè)混沌的系統(tǒng)。而混沌理論(Chaos theory)是一種兼具質(zhì)性思考與量化分析的方法,用以探討動(dòng)態(tài)系統(tǒng)中(如人口移動(dòng)、化學(xué)反應(yīng)、氣象變化、社會(huì)行為等)無(wú)法用單一的數(shù)據(jù)關(guān)系,而必須用整體、連續(xù)的數(shù)據(jù)關(guān)系才能加以解釋及預(yù)測(cè)之行為。由此,我們可以充分利用已經(jīng)存在的理論基礎(chǔ),對(duì)交通系統(tǒng)進(jìn)行參數(shù)的預(yù)測(cè)。
發(fā)明內(nèi)容
本發(fā)明的目的是將混沌理論應(yīng)用在交通系統(tǒng)中,構(gòu)建一種能夠通過(guò)歷史數(shù)據(jù)量預(yù)測(cè)未來(lái)時(shí)間的交通速度的方法,具體包括以下步驟( I)采集某個(gè)路段的交通流數(shù)據(jù),并構(gòu)建針對(duì)于某一路段的交通實(shí)時(shí)速度的時(shí)間序列,表示為{x(t), t = 1,2, ......, N};(2)對(duì)于時(shí)間序列{x(t),t= I, 2, ......,N},通過(guò)Lyapunov指數(shù)計(jì)算的方法,求
得最大的Lyapunov指數(shù)入以確定所研究對(duì)象是否為混沌系統(tǒng);若是,繼續(xù)下列步驟,否貝U,終止本次交通信息預(yù)測(cè);(3)根據(jù)G-P算法計(jì)算出時(shí)間序列的關(guān)聯(lián)維度d,取時(shí)間間隔I再通過(guò)Takens定理選取嵌入維數(shù)m彡2d+l,得到重構(gòu)相空間為Y(t)= (x(t), x(t+ T ),......, x(t+(m+l) x ) ) G Rm, t = I, 2,......,M,其中 M 為重
構(gòu)相空間中點(diǎn)的個(gè)數(shù),M = N-(m-1) T ;(4)在重構(gòu)的相空間中,以相空間里的最后一個(gè)點(diǎn)Ym為預(yù)報(bào)中心點(diǎn),通過(guò)計(jì)算相空間中各個(gè)點(diǎn)之間的歐氏距離,選取相空間中與Ym最近的鄰點(diǎn)Yk ;(5)建立預(yù)報(bào)公式|丨 -^M+il| - II^fc _ Yk+1\\eAi,其中Ym+1為未知量,入i,
IYk-Yk+11 I為距離Ym的歐氏距離最近的點(diǎn)Yk與其下一個(gè)點(diǎn)的距離;(6)在計(jì)算得到¥ +1后,從Ym+1中分離出最后一個(gè)分量,即可得到所預(yù)測(cè)的速度值。
本發(fā)明將混論理論中的相關(guān)成果用于明顯為混沌系統(tǒng)的交通方面,從一個(gè)整體的系統(tǒng)的角度對(duì)其進(jìn)行分析,可以充分利用歷史數(shù)據(jù)對(duì)未來(lái)進(jìn)行預(yù)測(cè)估計(jì),并且此方法可以使用于多個(gè)方面的參數(shù)預(yù)測(cè),并得到較好的預(yù)測(cè)效果,能夠?qū)χ悄芙煌ǚ治龊凸芾砥鸬街匾淖饔谩?br>
具體實(shí)施方案本發(fā)明的具體實(shí)施方案為以下幾個(gè)步驟(I)數(shù)據(jù)準(zhǔn)備我們已經(jīng)得到了按照每一個(gè)小時(shí)分布的一個(gè)路段上的車輛的平均速度,以此構(gòu)建一個(gè)時(shí)間序列{x(t), t = 1,2, ......,N}。(2)計(jì)算最大的Lyapunov指數(shù)入i : Lyapunov指數(shù)是混沌系統(tǒng)的重要的特征量之一,能夠描述混沌系統(tǒng)的本質(zhì)屬性。混沌系統(tǒng)的基本特點(diǎn)是運(yùn)動(dòng)對(duì)初值極為敏感。兩個(gè)很接近的初值所產(chǎn)生的軌道,隨時(shí)間的推移按指數(shù)方式分離,Lyapunov指數(shù)就是定量描述這種分離的量。如果通過(guò)計(jì)算得到最大的Lyapunov指數(shù)X i > 0,則可判定所研究系統(tǒng)為混沛系統(tǒng),如果最大的Lyapunov指數(shù)入i ( 0,則系統(tǒng)為規(guī)則運(yùn)動(dòng)系統(tǒng)。在這里,我們使用小數(shù)據(jù)量方法來(lái)計(jì)算得到最大的Lyapunov指數(shù)\ 具體步驟如下I)對(duì)于時(shí)間序列Xl,x2,……,xk,……(k=l,2,……,N)進(jìn)行傅里葉變換,計(jì)算出時(shí)間延遲T和平均周期P。2)根據(jù)G-P算法計(jì)算得到關(guān)聯(lián)維數(shù)d,由m彡2d+l選擇最佳的m,根據(jù)t和m重構(gòu)相空間{Y」,j=l,2,…,M}。3)找到相空間中每個(gè)點(diǎn)Yj的最近鄰點(diǎn)號(hào),限制距離,即c^'(0) = rr^n Il^ —芩Il,Ij —/I > P4)對(duì)相空間中的每個(gè)點(diǎn)Yj,計(jì)算出它與鄰點(diǎn)¥經(jīng)過(guò)i步迭代后的距離,即
d; (0 = ||5<+!, i = 12 minipl-;, M-j)5)對(duì)于每個(gè)i,計(jì)算出所有的In dj(i)的平均,即y(i)=擊SJ=1M(〖)’其中,q為非零Clj⑴的數(shù)目。6)使用最小二乘法做出回歸直線,回歸直線的斜率就是最大的Lyapunov指數(shù)。
(3)重構(gòu)相空間在連續(xù)動(dòng)力系統(tǒng)中,用一組一屆微分方程來(lái)描述其運(yùn)動(dòng)行為,以狀態(tài)變量(或狀態(tài)向量)為坐標(biāo)軸的空間構(gòu)成系統(tǒng)的相空間。系統(tǒng)的一個(gè)狀態(tài)用相空間的一個(gè)點(diǎn)表示,通過(guò)該點(diǎn)有唯一的一條積分曲線。混沌時(shí)間序列預(yù)測(cè)的基礎(chǔ)是狀態(tài)空間的重構(gòu)理論,即把具有混沌特性的時(shí)間序列重建為一種低階非線性動(dòng)力學(xué)系統(tǒng)。相空間重構(gòu)是非線性時(shí)間序列分析的重要步驟。首先利用G-P算法計(jì)算得到關(guān)聯(lián)維數(shù)d,主要步驟如下I)對(duì)于時(shí)間序列X1, X2,......,Xn,......,先給出一個(gè)比較小的值IV對(duì)應(yīng)一個(gè)重構(gòu)的相空間。2)計(jì)算關(guān)聯(lián)函數(shù)
權(quán)利要求
1.一種基于混沌理論的交通信息預(yù)測(cè)方法,包括下列步驟 (1)采集某個(gè)路段的交通流數(shù)據(jù),并構(gòu)建針對(duì)于某一路段的交通實(shí)時(shí)速度的時(shí)間序列,表示為{x(t), t = I, 2, ......, N};(2)對(duì)于時(shí)間序列{x(t),t= I, 2, ......,N},通過(guò)Lyapunov指數(shù)計(jì)算的方法,求得最大的Lyapunov指數(shù)入以確定所研究對(duì)象是否為混沌系統(tǒng);若是,繼續(xù)下列步驟,否則,終止本次交通信息預(yù)測(cè); (3)根據(jù)G-P算法計(jì)算出時(shí)間序列的關(guān)聯(lián)維度d,取時(shí)間間隔T,再通過(guò)Takens定理選取嵌入維數(shù)m彡2d+l,得到重構(gòu)相空間為Y (t) = (x(t), X (t+ T ),......, x(t+(m+l) T ) ) G Rm, t = I, 2,......, M, 其中M為重構(gòu)相空間中點(diǎn)的個(gè)數(shù),M = N- (m-1) T ; (4)在重構(gòu)的相空間中,以相空間里的最后一個(gè)點(diǎn)Ym為預(yù)報(bào)中心點(diǎn),通過(guò)計(jì)算相空間中各個(gè)點(diǎn)之間的歐氏距離選取相空間中與Ym最近的鄰點(diǎn)Yk ; (5)建立預(yù)報(bào)公式11 - ^m+! 11 = 11 - &+1丨丨6/11,其中Ym+1為未知量,入i, I Yk-Yk+11 I為距離Ym的歐氏距離最近的點(diǎn)Yk與其下一個(gè)點(diǎn)的距離; (6)在計(jì)算得到Y(jié)m+1后,從Ym+1中分離出最后一個(gè)分量,即可得到所預(yù)測(cè)的速度值。
全文摘要
本發(fā)明屬于本發(fā)明屬于智能交通領(lǐng)域,涉及一種基于混沌理論的交通信息預(yù)測(cè)方法,包括構(gòu)建針對(duì)于某一路段的交通實(shí)時(shí)速度的時(shí)間序列;通過(guò)Lyapunov指數(shù)計(jì)算的方法,求得最大的Lyapunov指數(shù)λ2,根據(jù)G-P算法計(jì)算出時(shí)間序列的關(guān)聯(lián)維度,得到重構(gòu)相空間;在重構(gòu)的相空間中,以相空間里的最后一個(gè)點(diǎn)為預(yù)報(bào)中心點(diǎn),通過(guò)計(jì)算相空間中各個(gè)點(diǎn)之間的歐氏距離,選取相空間中與其最近的鄰點(diǎn);建立預(yù)報(bào)公式;得到所預(yù)測(cè)的速度值。本發(fā)明充分利用歷史數(shù)據(jù)對(duì)未來(lái)進(jìn)行預(yù)測(cè)估計(jì),可得到較好的預(yù)測(cè)效果,能夠?qū)χ悄芙煌ǚ治龊凸芾砥鸬街匾淖饔谩?br>
文檔編號(hào)G08G1/00GK102682596SQ20121015641
公開日2012年9月19日 申請(qǐng)日期2012年5月17日 優(yōu)先權(quán)日2012年5月17日
發(fā)明者王文俊, 趙夢(mèng) 申請(qǐng)人:天津大學(xué)