Оценка и прогнозирование параметров транспортных потоков с использованием композиции методов машинного обучения и моделей прогнозирования временных рядов

Работа посвящена решению задачи анализа и прогнозирования транспортных потоков в сети крупного города. В качестве исходных данных для решения указанной задачи используются данные GPS/ГЛОНАСС о местоположении отдельных транспортных средств. Проецируя полученную информацию на граф транспортной сети города, а также используя дополнительную фильтрацию, можно получить оценку отдельных параметров транспортных потоков. Эти параметры используются для краткосрочного (в пределах часа) прогнозирования изменения ситуации в транспортной сети города. Предлагаемый оригинальный метод прогнозирования использует несколько этапов для построения прогноза. На первом этапе предлагается декомпозировать транспортный граф на некоторое число подграфов по территориальному признаку. На втором для описания пространственно-временного состояния распределения транспортных потоков в получаемых подграфах используется метод снижения размерности, основанный на методе главных компонент. На третьем этапе для каждого из подграфов формируется несколько элементарных прогнозов c использованием метода опорных векторов и метода потенциальных функций. На четвёртом этапе формируется дополнительный элементарный прогноз, рассчитываемый с использованием известных скалярной и векторной моделей Бокса-Дженкинса. На пятом этапе производится построение прогноза для каждого из подграфов с использованием адаптивной линейной композиции полученных элементарных прогнозов. На шестом, заключительном этапе производится расчёт прогнозных параметров транспортных потоков во всей транспортной сети города как линейной комбинации данных для подграфов. Проводится экспериментальное исследование эффективности предложенного метода прогнозирования на примере решения соответствующей задачи для транспортной сети города Самары, даётся сравнение результатов прогнозирования с другими способами построения прогнозов.