亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

交通流量短時(shí)預(yù)測結(jié)果的可視化裝置的制作方法

文檔序號(hào):11866257閱讀:405來源:國知局
交通流量短時(shí)預(yù)測結(jié)果的可視化裝置的制作方法
本發(fā)明涉及智能交通領(lǐng)域,具體涉及交通流量短時(shí)預(yù)測結(jié)果的可視化裝置。
背景技術(shù)
:交通流量是指單位時(shí)間內(nèi)通過道路某一斷面的實(shí)際車輛數(shù),是描述交通狀態(tài)的重要特征參數(shù)。交通流量的變化又是一個(gè)實(shí)時(shí)、高維、非線性、非平穩(wěn)的隨機(jī)過程,相關(guān)因素的變化都可能影響下一時(shí)刻的交通流量。相關(guān)技術(shù)中,關(guān)于短時(shí)的預(yù)測裝置局限性強(qiáng),預(yù)測精度較低,實(shí)時(shí)預(yù)測未能取得令人滿意的結(jié)果,未能對人們的實(shí)時(shí)道路選擇提供有效建議,從而交通流量預(yù)測大部分停留在交通流量的中長期預(yù)測。技術(shù)實(shí)現(xiàn)要素:針對上述問題,本發(fā)明提供交通流量短時(shí)預(yù)測結(jié)果的可視化裝置。本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn):交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置和可視化設(shè)備。優(yōu)選地,所述可視化設(shè)備嵌入安裝矢量對比數(shù)據(jù)的硬盤、視頻數(shù)據(jù)流調(diào)節(jié)器和ARM芯片。優(yōu)選地,首先通過ARM芯片控制邊緣設(shè)置的輸入輸出裝置輸入的視頻數(shù)據(jù)流存放在硬盤中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器來對低于位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本發(fā)明的有益效果為:1、設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;2、設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,其中預(yù)測因子直接影響預(yù)測精度,相關(guān)系數(shù)是測量隨機(jī)變量相關(guān)性的指標(biāo),能夠幫助選取與預(yù)測點(diǎn)密切相關(guān)的變量作為預(yù)測模型的訓(xùn)練樣本,選取多個(gè)相關(guān)系數(shù)作為預(yù)測因子,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;3、相關(guān)系數(shù)計(jì)算模塊中的空間相關(guān)系數(shù)反映了路網(wǎng)的可達(dá)性對預(yù)測模型的影響,時(shí)間相關(guān)系數(shù)能夠表達(dá)流量序列的時(shí)間順序,反映兩序列時(shí)間上的因果關(guān)系,從而提高預(yù)測因子選取的效率;由于交通流量的周相似性,引入歷史相關(guān)系數(shù)矩陣生成模塊的歷史相關(guān)系數(shù),同時(shí)間相關(guān)系數(shù)和空間相關(guān)系數(shù)配合使用,為準(zhǔn)確預(yù)測提供更多的數(shù)據(jù)支持。附圖說明利用附圖對本發(fā)明作進(jìn)一步說明,但附圖中的實(shí)施例不構(gòu)成對本發(fā)明的任何限制,對于本領(lǐng)域的普通技術(shù)人員,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明預(yù)測裝置各模塊的連接示意圖。圖2是本發(fā)明可視化裝置結(jié)構(gòu)示意圖。附圖說明:輸入輸出裝置(1);硬盤(2);視頻數(shù)據(jù)流調(diào)節(jié)器(3);可視化設(shè)備(4);ARM芯片(5)。具體實(shí)施方式結(jié)合以下實(shí)施例對本發(fā)明作進(jìn)一步描述。實(shí)施例1參見圖1,圖2,本實(shí)施例交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置(1)和可視化裝置(4)。優(yōu)選地,所述可視化裝置嵌入安裝矢量對比數(shù)據(jù)的硬盤(2)、視頻數(shù)據(jù)流調(diào)節(jié)器(3)和ARM芯片(5)。優(yōu)選地,首先通過ARM芯片(5)控制邊緣設(shè)置的輸入輸出裝置(1)輸入的視頻數(shù)據(jù)流存放在硬盤(2)中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器(3)來對低于(6)位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片(5)中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本實(shí)施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;本實(shí)施例取值L=8,M=3,預(yù)測精度相對于相關(guān)技術(shù)提高了1.5%。實(shí)施例2參見圖1,圖2,本實(shí)施例交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置(1)和可視化裝置(4)。優(yōu)選地,所述可視化裝置嵌入安裝矢量對比數(shù)據(jù)的硬盤(2)、視頻數(shù)據(jù)流調(diào)節(jié)器(3)和ARM芯片(5)。優(yōu)選地,首先通過ARM芯片(5)控制邊緣設(shè)置的輸入輸出裝置(1)輸入的視頻數(shù)據(jù)流存放在硬盤(2)中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器(3)來對低于(6)位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片(5)中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本實(shí)施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;本實(shí)施例取值L=9,M=3,預(yù)測精度相對于相關(guān)技術(shù)提高了2%。實(shí)施例3參見圖1,圖2,本實(shí)施例交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置(1)和可視化裝置(4)。優(yōu)選地,所述可視化裝置嵌入安裝矢量對比數(shù)據(jù)的硬盤(2)、視頻數(shù)據(jù)流調(diào)節(jié)器(3)和ARM芯片(5)。優(yōu)選地,首先通過ARM芯片(5)控制邊緣設(shè)置的輸入輸出裝置(1)輸入的視頻數(shù)據(jù)流存放在硬盤(2)中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器(3)來對低于(6)位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片(5)中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本實(shí)施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;本實(shí)施例取值L=10,M=4,預(yù)測精度相對于相關(guān)技術(shù)提高了2.6%。實(shí)施例4參見圖1,圖2,本實(shí)施例交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置(1)和可視化裝置(4)。優(yōu)選地,所述可視化裝置嵌入安裝矢量對比數(shù)據(jù)的硬盤(2)、視頻數(shù)據(jù)流調(diào)節(jié)器(3)和ARM芯片(5)。優(yōu)選地,首先通過ARM芯片(5)控制邊緣設(shè)置的輸入輸出裝置(1)輸入的視頻數(shù)據(jù)流存放在硬盤(2)中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器(3)來對低于(6)位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片(5)中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本實(shí)施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;本實(shí)施例取值L=11,M=5,預(yù)測精度相對于相關(guān)技術(shù)提高了3.2%。實(shí)施例5參見圖1,圖2,本實(shí)施例交通流量短時(shí)預(yù)測結(jié)果的可視化裝置,包括可視化裝置和與可視化裝置相連的預(yù)測裝置,所述可視化裝置包括:邊緣設(shè)置的輸入輸出裝置(1)和可視化裝置(4)。優(yōu)選地,所述可視化裝置嵌入安裝矢量對比數(shù)據(jù)的硬盤(2)、視頻數(shù)據(jù)流調(diào)節(jié)器(3)和ARM芯片(5)。優(yōu)選地,首先通過ARM芯片(5)控制邊緣設(shè)置的輸入輸出裝置(1)輸入的視頻數(shù)據(jù)流存放在硬盤(2)中,依靠定制的時(shí)間間隙初始化視頻數(shù)據(jù)流調(diào)節(jié)器(3)來對低于(6)位數(shù)字的號(hào)碼依靠容量選擇輸出,最后依靠ARM芯片(5)中預(yù)設(shè)輸出到可視化裝置上處理。優(yōu)選地,預(yù)測裝置包括依次連接的采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分類模塊、平穩(wěn)性檢驗(yàn)?zāi)K、相關(guān)系數(shù)計(jì)算模塊、閾值設(shè)定模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊:(1)采集模塊,用于采集路網(wǎng)S內(nèi)觀測路段Si、預(yù)測路段Sj對應(yīng)各時(shí)間段的交通流量數(shù)據(jù)和通行情況;(2)數(shù)據(jù)預(yù)處理模塊,用于對所述交通流量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,并剔除不符合交通實(shí)際情況的數(shù)據(jù);(3)數(shù)據(jù)分類模塊,用于對經(jīng)過數(shù)據(jù)預(yù)處理的交通流量數(shù)據(jù)進(jìn)行類型分類,所述類型包括節(jié)假日交通流量數(shù)據(jù)、周末交通流量數(shù)據(jù)和工作日交通流量數(shù)據(jù);(4)平穩(wěn)性檢驗(yàn)?zāi)K,用于對處于同一類型的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj分別進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)平穩(wěn)性的自相關(guān)函數(shù)為:P(τ)=E[(Xx-νi)(Xx+τ-νx+τ)]σ2]]>其中,Xx表示待檢驗(yàn)交通流量序列,νi表示待檢驗(yàn)交通流量序列的均值,Xx+τ表示Xx在時(shí)間延遲τ后的交通流量序列,νx+τ為Xx+τ的均值,σ2為Xx與Xx+τ之間的方差;當(dāng)自相關(guān)函數(shù)P(τ)能快速衰減趨近于0或在0附近波動(dòng),則所述待檢驗(yàn)交通流量序列通過平穩(wěn)性檢驗(yàn);當(dāng)自相關(guān)函數(shù)P(τ)不能快速衰減趨近于0或在0附近波動(dòng),則對所述待檢驗(yàn)交通流量序列進(jìn)行平穩(wěn)處理后繼續(xù)進(jìn)行平穩(wěn)性檢驗(yàn);(5)相關(guān)系數(shù)計(jì)算模塊,用于計(jì)算通過平穩(wěn)性檢驗(yàn)的觀測路段Si的交通流量序列Xi與預(yù)測路段Sj的交通流量序列Xj在時(shí)間延遲τ下的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w),設(shè)路網(wǎng)S內(nèi)有N個(gè)路段,交通流量序列Xi=[xi(1),xi(2),...,xi(n)],交通流量序列xi(t)表示觀測路段Si在t時(shí)刻的流量,xj(t)表示預(yù)測路段Sj在t時(shí)刻的流量,t=1,2,...n,時(shí)間相關(guān)系數(shù)ρij(τ)的計(jì)算公式為:ρij(τ)=Σt=1n-τxi(t)xj(t+τ)-1n-τΣt=1n-τxi(t)Σt=1n-τxj(t+τ)Σt=1n-τ[xi(t)-1n-τΣt=1n-τxi(t)]2×Σt=1n-τ[xj(t+τ)-1n-τΣt=1n-τxj(t+τ)]2]]>空間相關(guān)系數(shù)ρij(w)的計(jì)算公式為:優(yōu)選地,預(yù)測裝置還包括:(6)閾值設(shè)定模塊,用于設(shè)定各路段之間的時(shí)間延遲最大值L、時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2;(7)時(shí)空相關(guān)系數(shù)矩陣生成模塊,用于根據(jù)各路段的時(shí)間相關(guān)系數(shù)ρij(τ)和空間相關(guān)系數(shù)ρij(w)構(gòu)建各觀測路段Si與預(yù)測路段Sj在不同時(shí)間延遲τ下的時(shí)空相關(guān)系數(shù)矩陣ρ(τ)',并計(jì)算各路段的時(shí)空相關(guān)系數(shù)ρij(τ)',其中i∈[1,N]且τ∈[0,L],L的取值范圍為[8,12],時(shí)空相關(guān)系數(shù)矩陣ρ(τ)'的計(jì)算公式為:ρ(τ)′=ρ1j(0)′ρ1j(0)′...ρNj(0)′ρ1j(1)′ρ2j(1)′...ρNj(1)′............ρ1j(L)′ρ2j(L)′...ρNj(L)′;]]>時(shí)空相關(guān)系數(shù)ρij(τ)'的計(jì)算公式為:ρij(τ)'=ρij(τ)ρij(w);(8)歷史相關(guān)系數(shù)矩陣生成模塊,用于生成預(yù)測路段Sj的歷史相關(guān)系數(shù)矩陣ρ(t):其中,選取近M周的同期且同一類型的歷史流量作為交通流量序列Xj的歷史相關(guān)序列,記為M的取值范圍為[3,5],所述歷史相關(guān)系數(shù)ρjm(t)的計(jì)算公式為:ρjm(t)=Σt=1nxj(t)xjm(t)-1nΣt=1nxj(t)Σt=1nxjm(t)Σt=1n[xj(t)-1nΣt=1nxj(t)]2×Σt=1n[xjm(t)-1nΣt=1nxjm(t)]2]]>(9)預(yù)測因子選取模塊,用于根據(jù)所述時(shí)空相關(guān)系數(shù)閾值T1和歷史相關(guān)系數(shù)閾值T2選取與預(yù)測目標(biāo)點(diǎn)相關(guān)的預(yù)測因子,并按照其所選空間位置j與時(shí)間延遲τ進(jìn)行矩陣重構(gòu),選取原則為:若ρij(τ)'>T1,則將觀測路段Si的交通流量序列Xi中滿足條件的交通流量組成新的序列并作為第一預(yù)測因子,記做X',X'=(x1',x2',...,xp'),其中p為所述滿足條件的交通流量個(gè)數(shù),設(shè)L1為第一預(yù)測因子中時(shí)間延遲的最大值,L1=max{τ|τ∈[0,L]andρij(τ)'>T1},則第一預(yù)測因子X'可表述成如下矩陣形式:X′=x1′(1)x2′(1)...xp′(1)x1′(2)x2′(2)...xp′(2)............x1′(n-L1)x2′(n-L1)...xp′(n-L1);]]>若ρjm(t)>T2,則將所有滿足條件的歷史相關(guān)序列Xjm(t)作為第二預(yù)測因子,記作Y',Y'={y1',y2',...,yq'},其中q為滿足條件的歷史流量個(gè)數(shù),第二預(yù)測因子Y'可表述成如下矩陣形式:(10)預(yù)測模型構(gòu)造模塊,其通過將第一預(yù)測因子和第二預(yù)測因子作為訓(xùn)練樣本來構(gòu)造可預(yù)測路段在下一時(shí)刻的交通流量的預(yù)測模型。其中,所述數(shù)據(jù)預(yù)處理模塊中,剔除所述不符合交通實(shí)際情況的數(shù)據(jù)的規(guī)則為:在一個(gè)數(shù)據(jù)更新周期內(nèi),分別設(shè)定各路段的總交通流量數(shù)據(jù)的閥值范圍,若采集到的某路段的總交通流量數(shù)據(jù)落在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)可靠,保留該組數(shù)據(jù);若采集到的某路段的總交通流量數(shù)據(jù)落不在對應(yīng)的閾值范圍內(nèi),則表明該組數(shù)據(jù)不可靠,并將其剔除。其中,所述平穩(wěn)性檢驗(yàn)?zāi)K包括以下子模塊:(1)檢驗(yàn)子模塊,用于對處于同一類型的觀測路段的交通流量序列與預(yù)測路段的交通流量序列分別進(jìn)行平穩(wěn)性檢驗(yàn);(2)連續(xù)性檢查子模塊,與檢驗(yàn)子模塊連接,用于對不通過平穩(wěn)性檢驗(yàn)的待檢驗(yàn)交通流量序列進(jìn)行連續(xù)性檢查,若不符合連續(xù)性,所述連續(xù)性檢查子模塊采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(3)排錯(cuò)子模塊,與連續(xù)性檢查子模塊連接,用于刪除明顯錯(cuò)誤的數(shù)據(jù),同時(shí)采用平均插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊;(4)差分處理子模塊,連接排錯(cuò)子模塊和檢驗(yàn)子模塊,用于對補(bǔ)齊后的數(shù)據(jù)進(jìn)行差分處理,并將差分處理后的數(shù)據(jù)傳送到檢驗(yàn)子模塊。本實(shí)施例設(shè)置數(shù)據(jù)分類模塊和平穩(wěn)性檢驗(yàn)?zāi)K,增加了數(shù)據(jù)的準(zhǔn)確度,且使構(gòu)造的預(yù)測模型更有針對性;設(shè)置相關(guān)系數(shù)計(jì)算模塊、時(shí)空相關(guān)系數(shù)矩陣生成模塊、歷史相關(guān)系數(shù)矩陣生成模塊、預(yù)測因子選取模塊和預(yù)測模型構(gòu)造模塊,消除了最初預(yù)測因子選取的主觀性,能夠增加預(yù)測精度,使預(yù)測模型構(gòu)造模塊更加穩(wěn)定和準(zhǔn)確;本實(shí)施例取值L=12,M=5,預(yù)測精度相對于相關(guān)技術(shù)提高了3.5%。最后應(yīng)當(dāng)說明的是,以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案,而非對本發(fā)明保護(hù)范圍的限制,盡管參照較佳實(shí)施例對本發(fā)明作了詳細(xì)地說明,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換,而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。當(dāng)前第1頁1 2 3 
當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
1