CN104200661B - 一种交通道路系统状态变化预测方法 - Google Patents

Abstract

本发明涉及一种交通道路状态预测技术领域。本发明通过对交通系统中的不同道路状况进行定义，根据实际情况情况灵活地对道路系统的状态变化进行分类，通过路段上一时刻的状态判断当前时刻道路可能处于的状态类型。根据给定的时间遍历出该段道路所有可能面临的状况。结合各种道路状态的变化概率，计算出该段道路处于每种状态的可能概率，从而为决策者提供一个直观的道路信息，以帮助其更好的做出决策。这种遍历方法相比于n叉树的方法节省了大量的数据存储空间与计算时间，当研究复杂系统时效果尤为明显。同时，此交通道路系统状态变化集合生成方法也可用于其他工业、电力、信息等领域，具有广阔的应用前景。

Description

一种交通道路系统状态变化预测方法

技术领域

本发明涉及一种交通道路系统监测技术领域，具体涉及一种交通道路系统状态变化预测方法。

背景技术

随着城市规模的日益扩大，机动车拥有量及道路交通数量迅速增加，直接导致了交通拥挤、堵塞以及交通事故的增加、环境污染等问题。据资料显示，各国因交通拥堵所造成的经济损失占GDP的1.5％到4％。正因如此，交通堵塞越来越成为阻碍经济发展和人类生存环境的主要问题。

作为经济活动和客货运输的载体，城市道路交通网络是城市交通运行的物质基础。近年来，随着城市规模的急剧扩张，城市路网规模也越来越大，人们出行的距离不断延长、出行时间不断增加。同时，经济的快速发展也使得人们的时间效用不断提升、城市生活节奏不断加快，这就导致了人们对城市交通系统的要求在舒适、便捷、经济和安全的基础上，增加了准时的新要求，即要求增加出行的可靠性。城市道路网络是城市交通的基础，其可靠性有着极其重要的作用，没有可靠的道路网络，就不可能有可靠的交通。这不仅会降低城市其他功能的效益，增加其他系统的维护费用，还会造成其他巨大的间接费用。然而，复杂的城市化道路网络同时会使道路网络的可靠性受到越来越大的威胁。

在我国，随着经济水平的迅速提升，城市汽车保有量急剧上升，缓解交通拥堵，提高道路交通安全水平已成为全社会的迫切需求。对于很多城市而言，道路拥堵、交通不畅实际上并不是因为道路不够，而是道路间没有建立有效的利用体系，根据资料显示，北京的城市交通利用率仅为40％。事实证明，单纯依靠建设交通基础设施不仅不能完全解决交通需求，而且耗费大量经费。因此有效的分析交通道路的使用情况对于规划交通道路系统具有十分重要的意义。通过分析交通流量情况，合理分配道路资源，均衡分布交通流量，对充分发挥交通网络系统的有效性具有重要意义。

发明内容

为了解决上述技术问题，本发明提供了一种交通道路系统状态变化预测方法，适用于多个子系统构成的复杂交通系统，每个子系统又各自包含不同的道路系统。通过分析每个道路子系统中每条具体道路的状态情况，便可得知整个交通系统的运行情况。与此同时，将道路系统的状态情况与时间相结合，便可根据给定的时间步长计算出道路系统出现的各种可能状态。将其与各种道路状态出现的概率相结合，便可计算出所有道路系统所有可能出现的状况的概率。通过这种方法，可以帮助决策者了解系统会处于何种运行状态，每种状态出现的概率是多少，为其制定相应计划或任务提供有力的数据支持。

为了达到上述目的，本发明所采用的技术方案是，一种交通道路系统状态变化预测方法，包括以下步骤：

步骤一：采用数理统计方法设定交通道路系统中状态转移概率P_N×N，具体计算步骤为：定义一个道路状态的集合M，该集合M记录交通道路系统可能出现的N种不同道路状态，其表达式为M＝[m₁,m₂,…m_i,…,m_N]，其中m_i表示交通道路系统可能出现的第i种道路状态，其中i＝[1,2,3...,N]，P_N×N则为道路状态的集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N可能出现的状态转移概率，

步骤二：设定道路状态变化规则Y_N×N，Y_N×N包括N组道路状态变化规则Y₁，Y₂，Y₃，......Y_i......Y_N，第i组道路状态变化规则Y_i的表达式如下：

Yi＝[y_i1,y_i2...,y_ij...,y_iN]i＝1～N

y_ij∈M或y_ij＝0 (1)

式(1)中，元素y_ij表示第i组道路状态变化规则中的第j种道路状态变化规则，

步骤三：设定最大迭代时间T，

步骤四：设定初始时刻t₀的道路变化状态集合I₀，并令I₀＝0，其公式如下：

I₀＝[I_0,1,I_0,2,…I_0,j,…,I_0,T-1,I_0,T] (2)

令I_0,j＝1,I_0,T＝0，其中j＝1,2,…,T-1，即I₀＝[I_0,1,I_0,2,…,I_0,T-1,I_0,T]＝[1,1,…,1,0]_1×T，

步骤五：设置计算时间t，并为该时间t赋初始值t＝t₀＝T，

步骤六：判断当前时刻t＞1是否成立，若是，则执行步骤七，否则，结束本流程；

步骤七：计算道路系统在当前时刻t的可能变化的道路变化状态集合I_i，其公式如下：

I_i＝[I_i,1,I_i,2,…I_i,j,…,I_i,T-1,I_i,T] (3)

其中i＝1,2,3...,Nj＝1～T

其中，所述I_i,j的公式为：

$\begin{array}{ccc}{I}_{i,j}\∈Y_{l_{i,j-1}}& i=1,2,\mathrm{3...},N& j=1~T\end{array}---\left(4\right)$

其公式表达的含义是：第i种道路状态变化集合中的第j个时间节点上的道路状态是根据第i种道路状态变化集合中的第j-1个时间节点上的状态所对应的变化规则来设定的。

步骤八：t＝t-1，返回执行步骤六。

进一步的，所述步骤七包括以下步骤：

步骤71：设置中间变量tm＝t，

步骤72：根据tm-1时刻道路状态，遍历tm时刻可能的道路状态，

步骤73：令tm＝tm+1，

步骤74：判断tm≤T断是否成立，若是则返回执行步骤72，否则执行步骤75；

步骤75：检查是否遍历完所有可能的道路状态，若是则执行步骤八，否则返回执行步骤71。

进一步的，还包括步骤九，所述步骤九结合步骤一至八的计算结果，计算每种道路状态组合的发生概率，其公式为：

$Q_n=\underset{i=2}{\overset{T}{\Π}}P\left(I_{n,i}\right|I_{n,i-1}).$

进一步的，道路状态的集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N可能出现的状态转移概率P_N×N，其计算公式为：P_N×N＝[P_1N,P_2N,...,P_iN,...,P_NN],i＝1,2,3,...,N，P_1N为集合M中道路状态m₁可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_1N＝[P₁₁,P₁₂,...,P_1i,...,P_1N],i＝1,2,3,...,N，P_2N为集合M中道路状态m₂可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_2N＝[P₂₁,P₂₂,...,P_2i,...,P_2N],i＝1,2,3,...,N，以此类推，得到P_NN＝[P_N1,P_N2,...,P_Ni,...,P_NN],i＝1,2,3,...,N。

本发明通过采用上述技术方案，与现有技术相比，具有如下优点：

本发明通过对交通系统中的不同道路状况进行定义，根据实际情况情况灵活地对道路系统的状态变化进行分类，通过路段上一时刻的状态判断当前时刻道路可能处于的状态类型。根据给定的时间遍历出该段道路所有可能面临的状况。结合各种道路状态的变化概率，计算出该段道路处于每种状态的可能概率，从而为决策者提供一个直观的道路信息，以帮助其更好的做出决策。这种遍历方法相比于n叉树的方法节省了大量的数据存储空间与计算时间，当研究复杂系统时效果尤为明显。同时，此交通道路系统状态变化集合生成方法也可用于其他工业、电力、信息等领域，具有广阔的应用前景。

附图说明

图1是本发明的实施例1的流程图；

图2是本发明的实施例1的详细流程图，包括步骤七的详细步骤；

图3是本发明的实施例2的流程图；

图4是本发明的实施例2的数据结构图；

图5是本发明的实施例3经过T个单位时间后，道路状态变化情况示意图。

具体实施方式

现结合附图和具体实施方式对本发明进一步说明。

参考图1所示，本发明一种交通道路系统状态变化预测方法，包括以下步骤：

步骤一：采用数理统计方法设定交通道路系统中状态转移概率P_N×N，具体计算步骤为：定义一个道路状态的集合M，该集合M记录交通道路系统可能出现的N种不同道路状态，其表达式为M＝[m₁,m₂,…m_i,…,m_N]，其中m_i表示交通道路系统可能出现的第i种道路状态，其中i＝[1,2,3...,N]，P_N×N则为道路状态的集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N可能出现的状态转移概率，P_N×N根据不同路段实际情况的统计结果来设定，通过概率分析计算得到。其计算公式为：P_N×N＝[P_1N,P_2N,...,P_iN,...,P_NN],i＝1,2,3,...,N，P_1N为集合M中道路状态m₁可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_1N＝[P₁₁,P₁₂,...,P_1i,...,P_1N],i＝1,2,3,...,N，P_2N为集合M中道路状态m₂可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_2N＝[P₂₁,P₂₂,...,P_2i,...,P_2N],i＝1,2,3,...,N，进而得到P_NN＝[P_N1,P_N2,...,P_Ni,...,P_NN],i＝1,2,3,...,N。

例如，记录N个初始道路状态为畅通，经过单位时间Δt的道路状态变化，设记录N＝100组观察值，在后的道路状态中，道路畅通状态有70次，道路基本畅通为25次，道路拥堵为5次，道路瘫痪为0次。设道路畅通、道路基本畅通、道路拥堵、道路瘫痪的编号分别为1、2、3、4。因此道路状态从畅通转变到其他各种状态的概率为，

$\begin{array}{cc}{P}_{11}=\frac{70}{100}=0.70& P_{12}=\frac{25}{100}=0.25\\ P_{13}=\frac{5}{100}=0.05& P_{14}=\frac{0}{100}=0\end{array}.$

步骤二：设定道路状态变化规则Y_N×N，Y_N×N包括N组具体的道路状态变化规则Y₁，Y₂，Y₃，......Y_i......Y_N，第i组道路状态变化规则Y_i的表达式如下：

Yi＝[y_i1,y_i2...,y_iN] i＝1～N (1)

y_ij∈M或y_ij＝0

式(1)中，Y_N×N表示N组道路状态变化规则，Y_i表示第i组道路状态变化规则，元素y_ij表示第i种道路系统状态中的第j种道路系统状态变化规则。

步骤三：设定最大迭代时间T，大迭代时间T是初始根据需要预测的时间跨度人为设定。

步骤四：设定初始时刻t₀的道路变化状态集合I₀，并令I₀＝0，其公式如下：

I₀＝[I_0,1,I_0,2,…I_0,j,…,I_0,T-1,I_0,T] (2)

令I_0,j＝1,I_0,T＝0，其中j＝1,2,…,T-1，即I₀＝[I_0,1,I_0,2,…,I_0,T-1,I_0,T]＝[1,1,…,1,0]_1×T，

I₀表示初始时刻t₀的道路变化状态集合。在对I₀赋值时，为了使初始状态不影响程序计算结果，故设定初始道路变化状态中时刻T前的每个时间节点处的道路变化状态均为1，时刻T的道路状态为0。

步骤五：设置计算时间t，并为该时间t赋初始值t＝t₀＝T，本实施例是从时间节点T到时间节点0进行递减变化的。但此处的t的定义应为初始计算时刻。每种可能的道路状态集合都包括T个时间节点，遍历所有道路可能状态的时候是按照T→0的顺序进行可能道路状态变化的。

步骤六：判断t＞1是否成立，若是，则执行步骤七，否则，结束本流程。

步骤七：计算道路系统在当前时刻t的可能变化的道路变化状态集合I_i，其中i＝1,2,3...，所述I_i表示时间T内的第i种道路变化状态集合I_i表示第i种道路可能变化状态集合在[0,T]时间段内，间隔每单位时间的道路状态的集合，其公式如下：

I_i＝[I_i,1,I_i,2,…I_i,j,…,I_i,T-1,I_i,T] (3)

其中i＝1,2,3...,N，j＝1～T

其中，所述I_i,j的公式如下：

$\begin{array}{ccc}{I}_{i,j}\∈Y_{I_{i,j-1}}& i=1,2,\mathrm{3...},N& j=1~T\end{array}---\left(4\right)$

I_i,j表示第i种道路变化状态集合中第j个时间节点上的道路状态，表示第i种道路变化状态集合中第j-1个时间节点上的道路状态I_i,j-1在Y_N×N中所对应的变化状态。公式(4)表达的意思是，第i种道路状态变化集合中的第j个时间节点上的道路状态是根据第i种道路状态变化集合中的第j-1个时间节点上的状态所对应的变化规则来设定的。

步骤八：t＝t-1，返回执行步骤六。

本实施例的计算过程中，I_i是一个状态集合，表示的是第i种道路变化状态集合，总共有多少种状态集合在计算前是不知道的，T只是设定的时间观测范围，预测[0,T]时间段内的道路系统状态变化。本实施例的思想是设定需要考虑的时间范围T后，从第T个时间节点开始，按照上一时间节点时的道路状态变化规则来设定当前时间节点的道路状态，并记录所有的道路变化状态可能的状态集合。当第T个时间节点的状态已根据第T-1个时间节点的允许变化状态全部遍历完后，令t＝T-1，再根据第T-2个时间节点的道路状态所允许的变化状态设定第T-1个时间节点的状态，并再根据第T-1个时间节点的状态设定第T个时间节点的状态，重复此过程，直到计算时刻t＝1为止。即根据I_i,T-1值在中寻找设定的非零项，将其赋给改变I_1,T。当t＝1的时候，上述循环结束，得到道路系统在时间T内的可能变化的道路变化状态集合为I，I＝[I₁,I₂,…I_i,…,I_N]，其中i＝1,2,...,N。

参考图2所示，所述步骤七具体包括以下步骤：

步骤71：设置中间变量tm＝t，

步骤72：根据tm-1时刻道路状态，遍历tm时刻可能的道路状态，

步骤73：令tm＝tm+1，

步骤74：判断tm≤T断是否成立，若是则返回执行步骤72，否则执行步骤75；

步骤75：检查是否遍历完所有可能的道路状态，若是则执行步骤八，否则返回执行步骤71。

上述步骤71-步骤75是根据每条路径中的最大迭代时间为T，第i条路径中的第t(1＜t≤T)个时间节点处的道路状态由第t-1个时间节点的数据决定，每当根据t-1时刻寻找到一个t时刻未迭代过的道路状态时，迭代下一时刻，即令t＝t+1，直到遍历完t＝T时刻的道路状态为止。

即当1＜t＜T时，

其中表示根据I_i,t-1，即第i条路径中的第t-1个时间节点上的道路状态，寻找其所允许的变化规则中未遍历过的道路状态。

当t＝T时，将第i条路径的所有时间节点上的道路状态补充完整，

即：

$\begin{array}{cc}{I}_i={\[1,I_{i,1},I_{i,2},\mathrm{...},I_{i,T-1},Y_{I_{i,T-1}}\]}_{1\×T}& i=1,2,\mathrm{...}\end{array}$

本实施例中的遍历是指读取所有允许的道路变化状态，即根据Y_N×N进行遍历过程。例如，状态i所对应的道路变化规则为Y_i×N，遍历即指的读取Y_i×N中所有非零项，即Y_i×j≠0(j＝1,2,…,N)的项。

因此，上述的整体计算过程中可以归纳为，根据I_0,T-1的值在集合中寻找大于I_0,T-1的项后，令i＝i+1，并将其值赋给I_1,T，对于i＝0时[0,T-1]时刻的值直接赋给i＝1时[0,T-1]时刻对应的值，即[I_0,1,I_0,2,…,I_0,T-1]＝[I_1,1,I_1,2,…,I_1,T-1]。

当T时刻的变化状态已根据的可变状态全部变化完毕后，对T-1时刻开始变化，T-1到T时刻的变化规则根据初始路径状态变化规则进行变化。遍历过程中，每组道路变化状态集合I_i的一般化遍历规则为，

$\begin{array}{cc}{I}_i=\[1,Y_{l_{i,1}},Y_{l_{i,2}},\mathrm{...},Y_{l_{i,T-1}}\]& i=1,2,\mathrm{...}\end{array}$

当[1,T-1]时刻的状态发生变化时，进行i＝i+1，并继续变化下一时间节点的状态，直到T时刻的状态发生变化，才执行i＝i+1和上述操作。

步骤七中是计算T→0的道路状态变化，t作为计算过程中的计算时刻标量，第一次循环时t＝T，当此时的时间节点T-1出对应的道路状态已遍历完成后，t＝t-1，再此在时间节点[t,T]内执行上述计算规则，直到t＝1为止。例如，设置最迭代时间T＝3，此时的道路状态集合为I₃＝[I_3,1,I_3,2,…,I_3,T-2,I_3,T-1,I_3,T]。此时从T-1时刻开始进行道路状态变化，根据I_3,T-2的值找到集合其中，I_3,T-2表示道路所处的具体的状态，表示这种状态下可能的状态变化方式，根据中大于I_3,T-1的项，将其赋给I_4,T-1，接下来再根据I_4,T-1的值找到集合将中大于I_3,T的项赋给I_4,T，而其余时刻令其为[I_4,1,I_4,2,…,I_4,T-2]＝[I_3,1,I_3,2,…,I_3,T-2]。接着继续需找中大于I_4,T的项赋给I_5,T，而其余时刻令其为[I_5,1,I_5,2,…,I_5,T-2,I_5,T-1]＝[I_4,1,I_4,2,…,I_4,T-2,I_4,T-1]。假设中没有大于I_4,T的项，此时再根据I_4,T-2的值找到集合将中大于I_4,T-1的项，将其赋给I_5,T-1。重复此过程，直到遍历到t＝1时为止。

实施例2：参考图3和图4所示，本实施例结合一个简单的道路系统，从另一个角度来说明本发明的算法，本实施例中一组道路状态共有1、2、3三种状态，根据采用数理统计方法设定交通道路系统中状态转移概率P_N×N，得到从状态1可以转变到状态2、状态3，从状态2可以转变到状态2、状态3，从状态3只能转变到状态3。那么，该组道路状态变化规则为Y_3×3，

$Y_{3\×3}=\left[\begin{array}{ccc}1& 2& 3\\ 0& 2& 3\\ 0& 0& 3\end{array}\right]$

设定初始状态为1，取最大迭代时间T＝3。设初始计算时刻为t＝T＝3，此时t＞3，因此设置中间变量tm＝t＝3,从道路的初始状态[1,1,1]开始进行遍历所有道路的状态集合。以变化t＝3时刻道路状态为例。该中间变量tm＝t＝3，tm-1时刻道路状态为1，可以转变到1,2,3三种道路状态，将未遍历状态值赋给tm时刻道路状态，然后将tm＝3+1，此时tm大于T了，则检查是否遍历完tm＝2时刻对应的所有可能的道路变化状态，若是，则将t＝3-1＝2，此处，否则继续返回步骤中间变量tm＝t＝3。再以t＝2时刻道路状态为例，此时中间变量tm＝t＝2，假设tm-1时刻道路状态为1，可以转变到1,2,3三种道路状态，将未遍历状态值赋给tm时刻道路状态，然后tm＝2+1＝3，此时tm不大于T，因此再按照上述方法，根据tm-1＝3-1＝2时刻道路状态设定tm＝3时刻道路状态，若tm大于T,则令t＝t-1＝2-1＝1，tm＝t重复上述循环，直到t＝1为止。

最终计算结果如图4所示，该使用多元树表示，状态1在t＝3的时候，可能的道路状态集合为Y₁₁,Y₁₂,Y₁₃，即为1,2,3，当t＝2的时候，可能的道路状态为：Y₁₁,Y₁₂,Y₁₃,Y₂₂,Y₂₃,Y₃₃，当t＝1时候，可能的道路状态为：Y₁₁,Y₁₂,Y₁₃,Y₂₂,Y₂₃,Y₃₃,Y₂₂,Y₂₃,Y₃₃,Y₃₃，结束本流程，输出最终的道路状态[I₁,I₂,I₃]，其中，

I₁＝[Y₁₁,Y₁₂,Y₁₃]＝[1,2,3]，

I₂＝[Y₁₁,Y₁₂,Y₁₃,Y₂₂,Y₂₃,Y₃₃]＝[1,2,3,2,3,3]，

I₃＝[Y₁₁,Y₁₂,Y₁₃,Y₂₂,Y₂₃,Y₃₃,Y₂₂,Y₂₃,Y₃₃,Y₃₃]＝[1,2,3,2,3,2,3,3,3]。

实施例3：一种交通道路系统状态变化预测方法，包括以下步骤：

步骤一：采用数理统计方法设定交通道路系统中状态转移概率P_N×N，根据道路交通拥挤程度，将道路状况分为6个层次：畅通、基本畅通、初步畅通、拥堵、严重拥堵、瘫痪。并且根据具体路段信息，设定道路状况间的转换概率P，

$P=\left[\begin{array}{cccccc}{p}_{11}& p_{12}& p_{13}& p_{14}& p_{15}& p_{16}\\ p_{21}& p_{22}& p_{23}& p_{24}& p_{25}& p_{26}\\ p_{31}& p_{32}& p_{33}& p_{34}& p_{35}& p_{36}\\ p_{41}& p_{42}& p_{43}& p_{44}& p_{45}& p_{46}\\ p_{51}& p_{52}& p_{53}& p_{54}& p_{55}& p_{56}\\ p_{61}& p_{62}& p_{63}& p_{64}& p_{65}& p_{66}\end{array}\right]$

步骤二：设定道路状态变化规则Y_N×N，本实施例中N＝6，Y_6×6包括6组道路状态变化规则Y₁,Y₂,Y₃,Y₄,Y₅,Y₆，分别设定每段道路自身可能的变化规则Y_6×6。用1～6分别代表道路状况畅通、基本畅通、初步畅通、拥堵、严重拥堵与瘫痪，由于实际情况中道路状态不具有大幅度跳跃性，即道路状况不会从严重拥堵直接转换到畅通状态等，因此假定道路状况的变化规则，如表1所示

编号	畅通程度	可变化状态
			1	畅通	1、2、3
2	基本畅通	1、2、3、4
			3	初步畅通	1、2、3、4、5
4	拥堵	2、3、4、5、6
			5	严重拥堵	3、4、5、6
6	瘫痪	5、6

表1

将上述道路状况的变化规则用矩阵形式Y_6×6表示：

$Y_{6\×6}=\left[\begin{array}{cccccc}1& 2& 3& 0& 0& 0\\ 1& 2& 3& 4& 0& 0\\ 1& 2& 3& 4& 5& 0\\ 0& 2& 3& 4& 5& 6\\ 0& 0& 3& 4& 5& 6\\ 0& 0& 0& 0& 5& 6\end{array}\right]$

其中0表示不能转换的状态。

步骤三：设定最大迭代时间T＝5

步骤四：设定初始时刻t₀的道路变化状态集合I₀，并令I₀＝0，其公式如下：

I₀＝[I_0,1,I_0,2,…I_0,j,…,I_0,T-1,I_0,T]------(2)

令I_0,j＝1,I_0,T＝0，其中j＝1,2,…,T-1，即I₀＝[I_0,1,I_0,2,…,I_0,T-1,I_0,T]＝[1,1,…,1,0]_1×T，

步骤五：设置计算时间t，并为该时间t赋初始值t＝t₀＝T，

步骤六：判断当前时刻t＞1是否成立，若是，则执行步骤七，否则，结束本流程；

步骤七：计算道路系统在当前时刻t的可能变化的道路变化状态集合I_i，其公式如下：I_i＝[I_i,1,I_i,2,…I_i,j,…,I_i,T-1,I_i,T]，其中i＝1,2,3...；j＝1～T，

其中，所述I_i,j的公式如下：

其公式：

所述步骤七包括以下步骤：

步骤71：设置中间变量tm＝t，

步骤72：根据tm-1时刻道路状态，遍历tm时刻可能的道路状态，

步骤73：令tm＝tm+1，

步骤74：判断tm≤T断是否成立，若是则返回执行步骤72，否则执行步骤75；

步骤75：检查是否遍历完所有可能的道路状态，若是则执行步骤八，否则返回执行步骤71。

步骤八：t＝t-1，返回执行步骤六。

当经过T＝5个单位时间后，通过上述步骤四至步骤八的方法，计算得到道路状态变化情况如图5所示，此时，该条路段自身共存在206种可能的状态集合，将其用I₂₀₆表示，表2了截取其中前30种集合进行展示。

表2

步骤九：计算每种道路状态组合的发生概率Q_n。结合道路状况间的转换概率P_N×N，根据相邻时刻道路状态提取对应的转移概率p_ij，从而计算的到该路段演变过程的概率Q_n。则第n条路径的发生概率Q_n为。

$Q_n=\underset{i=2}{\overset{T}{\Π}}P\left(I_{n,i}\right|I_{n,i-1})$

每种状态组合的发生概率就是每条路径发生的概率Q_n。道路状态组合发生的概率为某一时间段内，该段道路状态按照某种方式进行变化的概率，P(I_n,i|I_n,i-1)所计算的是第n种可能情况中道路上一时刻i-1到下一时刻i的概率，Q_n则表示第n中可能情况整体发生的概率。

通过步骤九计算所有可能路径的发生概率，可以判断该段道路的状态具有怎么样的发展趋势，从而帮助决策者更好的规划公交道路系统的使用，进而达到减小交通压力的作用。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (4)

1.一种交通道路系统状态变化预测方法，其特征在于，包括以下步骤：

步骤一：采用数理统计方法设定交通道路系统中状态转移概率P_N×N，具体计算步骤为：定义一个道路状态的集合M，该集合M记录交通道路系统可能出现的N种不同道路状态，其表达式为M＝[m₁,m₂,…m_i,…,m_N]，其中m_i表示交通道路系统可能出现的第i种道路状态，其中i＝[1,2,3,...,N]，P_N×N则为道路状态的集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N可能出现的状态转移概率，

步骤二：设定道路状态变化规则Y_N×N，Y_N×N包括N组道路状态变化规则Y₁，Y₂，Y₃，......Y_i......Y_N，第i组道路状态变化规则Y_i的表达式如下：

y_ij∈M或y_ij＝0

式(1)中，元素y_ij表示第i组道路状态变化规则中的第j种道路状态变化规则，

步骤三：设定最大迭代时间T，

步骤四：设定初始时刻t₀的道路变化状态集合I₀，并令I₀＝0，其公式如下：

I₀＝[I_0,1,I_0,2,…I_0,j,…,I_0,T-1,I_0,T] (2)

令I_0,j＝1,I_0,T＝0，且j＝1,2,…,T-1，即I₀＝[I_0,1,I_0,2,…,I_0,T-1,I_0,T]＝[1,1,…,1,0]_1×T，

步骤五：设置计算时间t，并为该时间t赋初始值t＝t₀＝T，

步骤六：判断当前时刻t＞1是否成立，若是，则执行步骤七，否则，结束本流程；

步骤七：计算道路系统在当前时刻t的可能变化的道路变化状态集合I_i，其公式如下：

I_i＝[I_i,1,I_i,2,…I_i,j,…,I_i,T-1,I_i,T] (3)

i＝1,2,3...,N j＝1～T

其中，所述I_i,j的公式为：

其公式表达的含义是：第i种道路状态变化集合中的第j个时间节点上的道路状态是根据第i种道路状态变化集合中的第j-1个时间节点上的状态所对应的变化规则来设定的，

步骤八：t＝t-1，返回执行步骤六。

2.根据权利要求1所述的一种交通道路系统状态变化预测方法，其特征在于，所述步骤七包括以下步骤：

步骤71：设置中间变量tm＝t，

步骤72：根据tm-1时刻道路状态，遍历tm时刻可能的道路状态，

步骤73：令tm＝tm+1，

步骤74：判断tm≤T是否成立，若是则返回执行步骤72，否则执行步骤75；

步骤75：检查是否遍历完所有可能的道路状态，若是则执行步骤八，否则返回执行步骤71。

3.根据权利要求1所述的一种交通道路系统状态变化预测方法，其特征在于，还包括步骤九：计算每种道路状态组合的发生概率，其公式为：

4.根据权利要求1所述的一种交通道路系统状态变化预测方法，其特征在于，道路状态的集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N可能出现的状态转移概率P_N×N，其计算公式为：P_N×N＝[P_1N,P_2N,...,P_iN,...,P_NN],i＝1,2,3,...,N，P_1N为集合 M中道路状态m₁可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_1N＝[P₁₁,P₁₂,...,P_1i,...,P_1N],i＝1,2,3,...,N，P_2N为集合M中道路状态m₂可能出现集合M中N种不同道路状态m₁,m₂,…m_i,…,m_N的状态转移概率，其计算公式为：P_2N＝[P₂₁,P₂₂,...,P_2i,...,P_2N],i＝1,2,3,...,N，以此类推，得到P_NN＝[P_N1,P_N2,...,P_Ni,...,P_NN],i＝1,2,3,...,N。