基于张量鲁棒分解的平均车速预测方法、装置、存储介质

技术领域

本发明涉及道路交通技术领域，特别涉及基于张量鲁棒分解的平均车速预测方法、装置、存储介质。

背景技术

随着现代化工业的大力发展，有数以千计的小型传感器记录海量的交通流数据，这也催生出一系列智能交通产业的发展，比如智能交通系统、自动驾驶技术、车联网等。但是实际收集到的交通数据，通常因为设备损坏、传输失真等原因，使得交通数据集存在不同程度的丢失现象，同时还存在着大量离群值问题，这制约了智能交通系统的发展。

目前，大多数模型都是采用L2范数构建目标函数，来实现对交通缺失数据的预测。然而原始数据通常是与离群数据混合的，这将无法保证模型的鲁棒性，这可能会大大降低平均车速预测的准确性。

发明内容

针对现有技术中平均车速预测的准确性较低的问题，本发明提出基于张量鲁棒分解的平均车速预测方法、装置、存储介质，通过利用历史车速数据构造非负张量分解模型，利用柯西损失来度量观测到的平均车速值与预测值之间的差异，有效降低了离群值对数据特征发掘的干扰，提高预测的准确性。

为了实现上述目的，本发明提供以下技术方案：

基于张量鲁棒分解的平均车速预测方法，具体包括以下步骤：

S1：接收服务器发送的预测路段历史平均车速的指令，从传感器采集路段历史车速数据并进行存储；

S2：根据存储的路段历史车速数据构建平均车速张量；

S3：根据平均车速张量构建平均车速预测目标损失函数，并进行迭代优化，输出平均车速预测值。

优选地，所述S1中，采集的路段历史车速数据以四元组的形式进行存储，四元组表示形式为Q＝(r,d,t,s)其中，Q表示路段历史车速数据，r表示传感器监测的路段，d表示传感器监测的日期，t表示传感器监测一天内的时间窗口，s表示传感器在第r个路段第d天的第t个时间窗口探测到的平均车速。

优选地，所述S2中，平均车速张量的构建方法为：

S2-1：根据时间窗口t将四元组Q＝(r,d,t,s)划分成K个时间片段，运用t＝1的四元组Q＝(r,d,1,s)，可以得到Q

S2-2：用K个切片矩阵在三维空间中根据划分的K个时间片段依次从前到后排列构建平均车速张量S∈R

优选地，所述S3包括：

S3-1：初始化平均车速预测过程中所涉及的过程参数；

S3-2：根据平均车速张量和过程参数构建平均车速预测目标损失函数；

S3-3：对平均车速预测目标损失函数进行迭代优化；

S3-4：判断目标损失函数L(Φ)的迭代过程是否达到迭代终止条件，若是则终止，若否则继续迭代；

S3-5：计算路段平均车速预测值。

优选地，所述S3-1中过程参数包括：路段平均车速张量S，隐特征矩阵R、D、T，对应的辅助变量矩阵

隐特征矩阵R、D、T的大小由路段平均车速张量S的每个维度值和隐特征矩阵维数P确定，即R为I行P列的隐特征矩阵、P为J行P列的隐特征矩阵、T为K行P列的隐特征矩阵；

辅助变量矩阵

优选地，所述S3-2中，构建的平均车速预测目标损失函数为：

公式(1)中，(i,j,k)∈Λ表示在张量S中包含的已知元素的下标；S

优选地，所述S3-3中，迭代优化的公式为：

公式(2)中，

优选地，所述S3-5中，平均车速预测值的计算公式为：

公式(3)中，

本发明还提供基于张量鲁棒分解的平均车速预测装置，用于执行平均车速预测方法，包括数据接收模块、数据存储模块、张量构造模块和预测模块；

数据接收模块，用于从传感器采集路段历史车速数据；

数据存储模块，用于存储采集的路段历史车速数据和预测模块输出的平均车速预测值；

张量构造模块，用于根据路段历史车速数据构造平均车速张量；

预测模块，用于根据平均车速张量构建目标函数并进行迭代优化，输出平均车速预测值。

本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在处理器上运行时实现基于张量鲁棒分解的平均车速预测方法的步骤。

综上所述，由于采用了上述技术方案，与现有技术相比，本发明至少具有以下有益效果：

本发明通过利用历史车速数据构造非负张量分解模型，并构建目标函数(柯西损失)来度量观测到的平均车速值与预测值之间的差异，有效降低了离群值对数据特征发掘的干扰，提高预测的准确性。同时，采用交替方向乘子法对目标函数进行更新，以获得较高的计算效率。

本发明专门作用于智能交通数据中路段平均车速数据，能够进行不受离群值影响的同时保持高准确度的路段平均时间预测，以解决针对包含周期性时序信息的动态的路段平均车速预测问题可广泛应用在计算机服务、交通等领域。

附图说明：

图1为根据本发明示例性实施例的基于张量鲁棒分解的平均车速预测方法示意图。

图2为根据本发明示例性实施例的基于张量鲁棒分解的平均车速预测装置示意图。

图3为根据本发明示例性实施例的数据存储模块结构示意图。

图4为根据本发明示例性实施例的预测模块结构示意图。

具体实施方式

下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，本发明提供基于张量鲁棒分解的平均车速预测方法，具体包括以下步骤：

S1：接收服务器发送的预测路段历史平均车速的指令，从传感器采集路段历史车速数据并进行存储。

本实施例中，服务器发送指令的形式多样，如定期发送预测指令、或根据所述装置的通知向发送指令。

本实施例中，接收的路段历史车速数据以四元组的形式进行存储，四元组表示形式为Q＝(r,d,t,s)其中，Q表示路段历史车速数据，r表示传感器监测的路段，d表示传感器监测的日期，t表示传感器监测一天内的时间窗口，s表示传感器在第r个路段第d天的第t个时间窗口探测到的平均车速。

S2：根据存储的路段历史车速数据构建平均车速张量S∈R

S2-1：根据时间窗口t将四元组Q＝(r,d,t,s)划分成K个时间片段，构建对应的切片矩阵。

例如运用t＝1的四元组Q＝(r,d,1,s)，可以得到Q

S2-2：用K个切片矩阵在三维空间中排列，构建平均车速张量S∈R

S3：根据平均车速张量构建平均车速预测目标损失函数，并进行迭代优化，输出平均车速预测值。

S3-1：初始化平均车速预测过程中所涉及的过程参数。

过程参数包括路段平均车速张量S，隐特征矩阵R、D、T，对应的辅助变量矩阵

隐特征矩阵R、D、T的大小由路段平均车速张量S的每个维度值和隐特征矩阵维数P确定，即R为I行P列的隐特征矩阵、P为J行P列的隐特征矩阵、T为K行P列的隐特征矩阵。

辅助变量矩阵

S3-2：根据平均车速张量和过程参数构建平均车速预测目标损失函数。

本实施例中，以柯西损失

公式(1)中，(i,j,k)∈Λ表示在张量S中包含的已知元素的下标；S

S3-3：采用交替学习策略，即固定目标损失函数L(Φ)中其他变量，对辅助变量进行迭代优化，以使其值最小，训练迭代的公式如下所示：

公式(2)中，

S3-4：判断目标损失函数L(Φ)的迭代过程是否达到迭代终止条件，若是则终止，若否则继续迭代。

本实施例中，迭代终止条件包括：训练迭代轮数达到训练最大迭代轮数，或者本轮迭代结束后计算得到的目标损失函数的值与上一轮目标损失函数的值的差的绝对值小于最终收敛阈值τ。

S3-5：计算路段平均车速预测值，具体为：

当目标损失函数迭代终后，利用目标损失函数达到最小值时训练得到的隐特征矩阵R、D、T，计算精度最高的传感器在路段r，第d天的t时间窗口探测到的平均车速预测值

公式(3)中，

本发明专门作用于智能交通数据中路段平均车速数据，通过采用柯西损失构造目标损失函数使本发明方法在预测平均车速时能够不受离群值影响，进一步使用张量描述采集的历史车速数据以保存车速数据蕴含的时空信息并采用交替方向乘子法对目标函数进行优化从而保持高准确度的路段平均时间预测，以解决针对包含周期性时序信息的动态的路段平均车速预测问题。

基于上述方法，如图2所示，本发明还提供基于张量鲁棒分解的平均车速预测装置，包括数据接收模块、数据存储模块、张量构造模块和预测模块。

数据接收模块的输出端与数据存储模块的第一输入端连接，数据存储模块的输出端与数据存储模块的输入端连接，数据存储模块的输出端与预测模块的输入端连接，预测模块的输出端与数据存储模块的第二输入端连接。

数据接收模块，用于从传感器采集路段历史车速数据；

数据存储模块，用于存储采集的路段历史车速数据和预测模块输出的平均车速预测值；

张量构造模块，用于根据路段历史车速数据构造平均车速张量；

预测模块，用于根据平均车速张量构建目标函数并进行迭代优化，输出平均车速预测值。

本实施例中，如图3所示，数据存储模块包括第一存储单元和第二存储单元。

第一存储单元，用于将接收的路段历史车速数据以四元组的形式进行存储，四元组表示形式为Q＝(r,d,t,s)其中，Q表示路段历史车速数据，r表示传感器监测的路段，d表示传感器监测的日期，t表示传感器监测一天内的时间窗口，s表示传感器在第r个路段第d天的第t个时间窗口探测到的平均车速。

第二存储单元，用于存储预测模块输出的平均车速预测值，同时平均车速预测值也以四元组的形式进行存储。

本实施例中，如图4所示，预测模块包括初始化单元、训练单元和计算单元；

初始化单元，用于初始化路段平均车速预测过程中所涉及的过程参数和相应的辅助变量；

训练单元，用于结合构造的平均车速张量和已初始化的过程参数构建平均车速预测目标函数并进行迭代训练；

计算单元，用于根据目标函数的迭代参数计算平均车速预测值。

本装置可部署于一个现有的服务器中，也可部署于一个单独设置的、专用于进行路段平均车速预测的服务器中。

本发明还提供一种电子设备，所述电子设备包括处理器，所述处理器用于运行存储器中存储的计算机程序，以使得所述电子设备实现上述实施例中基于张量鲁棒分解的平均车速预测方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储计算机程序，所述计算机程序在处理器上运行时实现上述实施例中基于张量鲁棒分解的平均车速预测方法的步骤。

计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。