主权项 |
1.一种停车场有效泊位占有率多步预测方法,其特征在于,该方法包括如下步骤:1)统计出不同时间段内进入停车场的车辆数A<sub>i</sub>和离开停车场的车辆数L<sub>i</sub>,其中i=1,2,···,M,M为时间段个数,则各个时间段末的有效泊位数X<sub>i</sub>为X<sub>i</sub>=X<sub>i-1</sub>- A<sub>i</sub>+ L<sub>i</sub>,各个时间段的有效泊位占有率x<sub>0i</sub>为x<sub>0i</sub>= X<sub>i</sub> /R,其中R为停车场总泊位数,从而得到停车场的有效泊位占有率时间序列x<sub>0</sub>={x<sub>01</sub>, x<sub>02</sub>, ···, x<sub>0M</sub>};2)基于所述步骤1)中得到的有效泊位占有率时间序列x<sub>0</sub>设置多步预测步长N:若统计时间段间隔为t,需要预测有效泊位占有率时间序列x<sub>0</sub>中第M个时间段后T时间内的有效停车泊位占有率,则多步预测步长N为T/t向上取整,同时将所述多步预测步长N分为前n步和后N-n步,其中N/4≤n≤N/3,且n为整数;3)基于所述步骤1)中得到的有效泊位占有率时间序列x<sub>0</sub>训练小波神经网络模型,得到训练完成的小波神经网络模型,然后用所述训练完成的小波神经网络模型进行前n步的有效停车泊位占有率预测,得到前n步预测值y<sub>1</sub>={y<sub>1</sub>(t)|t=1,2, ···,n};4)将所述步骤3)中得到的前n步预测值y<sub>1</sub>和所述步骤1)中得到的有效泊位占有率时间序列x<sub>0</sub>合并,即按时间顺序将y<sub>1</sub>添加在x<sub>0</sub>之后,得到新的时间序列x<sub>1</sub>={x<sub>1</sub>(t)|t=1,2, ···, M+n} ,然后用互信息法计算所述新的时间序列<img file="2012103390109100001DEST_PATH_IMAGE002.GIF" wi="13" he="21" />的延滞时间τ,同时用虚假邻域法计算新的时间序列<img file="79815DEST_PATH_IMAGE002.GIF" wi="13" he="21" />的嵌入维数d,之后用所述延滞时间<img file="2012103390109100001DEST_PATH_IMAGE004.GIF" wi="7" he="21" />和嵌入维数d对所述新的时间序列x<sub>1</sub>进行相空间重构,得到d维相空间;5)使用最大李雅谱诺夫指数方法,对所述步骤4)中得到的d维相空间进行后N-n步的有效停车泊位占有率预测,得到后N-n步预测值y<sub>2</sub>={y<sub>2</sub>(t)|t=n+1,n+2, ···,N};6)将所述步骤5)中得到的后N-n步预测值y<sub>2</sub>与所述步骤3)中得到的前n步预测值y<sub>1</sub>合并,最终得到有效泊位占有率时间序列x<sub>0</sub>的步长为N的多步预测结果为:{Y(t)|t= M+1,M+2, ···,M+N}。 |