基于混沌理论的交通信息预测方法

摘要

本发明属于本发明属于智能交通领域，涉及一种基于混沌理论的交通信息预测方法，包括：构建针对于某一路段的交通实时速度的时间序列；通过Lyapunov指数计算的方法，求得最大的Lyapunov指数λ2，根据G-P算法计算出时间序列的关联维度，得到重构相空间；在重构的相空间中，以相空间里的最后一个点为预报中心点，通过计算相空间中各个点之间的欧氏距离，选取相空间中与其最近的邻点；建立预报公式；得到所预测的速度值。本发明充分利用历史数据对未来进行预测估计，可得到较好的预测效果，能够对智能交通分析和管理起到重要的作用。

主权项

1.一种基于混沌理论的交通信息预测方法，包括下列步骤：（1）采集某个路段的交通流数据，并构建针对于某一路段的交通实时速度的时间序列，表示为{x(t)，t＝1,2，……，N}；（2）对于时间序列{x(t)，t＝1,2，……，N},通过Lyapunov指数计算的方法，求得最大的Lyapunov指数λ₁，以确定所研究对象是否为混沌系统；若是，继续下列步骤，否则，终止本次交通信息预测；（3）根据G-P算法计算出时间序列的关联维度d，取时间间隔τ，再通过Takens定理选取嵌入维数m≥2d+1，得到重构相空间为:Y(t)=（x(t),x(t+τ),……,x(t+(m+1)τ)）∈R^m,t＝1,2,……，M，其中M为重构相空间中点的个数，M＝N-(m-1)τ；（4）在重构的相空间中，以相空间里的最后一个点Y_M为预报中心点，通过计算相空间中各个点之间的欧氏距离，选取相空间中与Y_M最近的邻点Y_k；（5）建立预报公式：其中Y_M+1为未知量，λ₁，||Y_k-Y_k+1||为距离Y_M的欧氏距离最近的点Y_k与其下一个点的距离；（6）在计算得到Y_M+1后，从Y_M+1中分离出最后一个分量，即可得到所预测的速度值。