一种基于双贝叶斯的路口动态转向比例两步预测方法

摘要

本发明公开了一种基于双贝叶斯的路口动态转向比例两步预测方法，该方法利用路口各进出口道检测的路段流量，首先结合历史流量数据，设计第1贝叶斯组合方法预测下一个时段的进出口道流量，并在此基础上设计改进卡尔曼滤波和改进反向传播神经网络两种算法分别预测之后第一和第二个时段的动态转向比例，进一步结合历史转向比例数据修正预测误差，设计第2贝叶斯组合方法标定并动态更新权重，得到双贝叶斯组合方法的动态转向比例单步和两步预测值。现有方法仅能得到动态转向比例单步预测值，且精度和效率各具优缺点，本方法综合体现各种方法优点，避免局部过大偏差，精度高，且能同时得到单步和两步预测结果，可以为智能交通控制系统提供基础支撑。

主权项

一种基于双贝叶斯的路口动态转向比例两步预测方法，其特征在于：本预测方法包括两个贝叶斯组合模型，分别为基于非线性回归方法、移动平均方法及自回归方法的路段交通量单步预测第1贝叶斯组合模型，以及基于改进卡尔曼滤波和改进反向传播神经网络的动态转向比例单步和两步预测第2贝叶斯组合模型，两个组合模型共同构成的双贝叶斯预测方法可以预测当前时段之后第一及第二个时段的路口动态转向比例，其主要步骤如下：步骤1：在路口进出口道运行路段流量检测器，检测得到时间间隔k内的进出口道交通流量，即Q_i(k)，i＝1，2，…，r表示时段k自进口道i流入路口的流量，Y_j(k)，j＝1，2，…，s表示时段k自出口道j流出路口的流量；步骤2：以检测得到的路口进出口道交通流量为已知量，在远端计算机中运行非线性回归、移动平均和自回归三种方法分别预测下一个时段的进出口道交通流量；步骤3：引入历史进出口道路段流量数据，在远端计算机中运行路段交通量预测的第1贝叶斯组合模型程序，综合应用历史和当前预测偏差标定三种方法的权重，将三种方法的预测结果加权，得到修正后的下一个时段路口进出口道交通流量的预测值；步骤4：将进出口道交通流量检测值及预测值作为已知量，在远端计算机中运行改进的卡尔曼滤波算法和改进的反向传播神经网络算法程序，求解两种算法分别得到的动态转向比例单步和两步预测值；步骤5：引入历史转向比例数据，在远端计算机中运行动态转向比例预测第2贝叶斯组合模型程序，综合应用历史和当前预测偏差标定两种算法的权重，将两种算法的预测结果加权，得到修正后的动态转向比例单步和两步预测值；步骤6：更新路段流量预测及动态转向比例预测的当前预测偏差，返回步骤1进行下一时段动态转向比例的预测，直至全天各时段动态转向比例预测结束，更新历史预测偏差数据，并进行下一天各时段动态转向比例的预测；步骤7：将得到的动态转向比例单步和两步预测值传输到信号控制系统，为当前时段之后第一及第二个时段的信号控制方案的生成提供基础数据。