[发明专利]一种停车场有效泊位占有率短时预测方法

摘要

本发明公开了一种停车场有效泊位占有率短时预测方法，包括如下步骤：1）确定停车场的有效泊位占有率时间序列；2）用小波函数对有效泊位占有率时间序列进行小波分解，得到低频系数向量和高频系数向量，然后对低频系数向量和高频系数向量分别进行小波重构，得到N+1个重构的时间序列；3）对N+1个重构的时间序列分别建立小波神经网络模型进行预测，得到N+1个预测结果；4）累加上述N+1个预测结果，获得对应于有效泊位占有率时间序列的预测结果。本发明根据停车场有效泊位占有率的短时变化特性，提出小波分析－小波神经网络组合预测模型对停车场有效泊位占有率进行短时预测，提高了预测精度和稳定性。

主权项

一种停车场有效泊位占有率短时预测方法，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Ai和离开停车场的车辆数Li，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Xi为Xi＝Xi－1‑ Ai+ Li，各个时间段的有效泊位占有率c0i为：c0i= Xi /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c0＝{c01, c0i2, ···,c0M}；2）用小波函数对所述步骤1）中得到的有效泊位占有率时间序列c0进行N尺度的小波分解，得到一个尺度为N的低频系数向量cN和N个不同尺度下的高频系数向量d1，d2，…，dN ,其中尺度数N为整数且4≤N≤6；然后对所述的低频系数向量cN和高频系数向量d1，d2，…，dN进行小波重构，得到N+1个重构的时间序列CN，D1，D2，…，DN；3）对步骤2）中得到的N+1个重构的时间序列CN，D1，D2，…，DN分别建立小波神经网络预测模型，然后用所述小波神经网络预测模型对N+1个重构的时间序列CN， D1， D2，…，DN进行预测，得到N+1个预测结果CN´，D1´，D2´，…，DN´；    4）将所述步骤3）中得到的N+1个预测结果CN´，D1´，D2´，…，DN´累加，获得有效泊位占有率时间序列c0的预测结果c0(M+1)=CN´+D1´+D2´+…+DN´。