C#交通数据采集及整理方法的设计与实现(13)
预测算法的基本思想：利用最优近邻子集预测下一时刻的交通流量。假设Oi(t)是第i个近邻在t时刻的交通流量，di是其余当前状态向量之间的加权欧氏距离，则下一时刻交通流量 ，其中 。通过以上几个步骤，则完成了非参数回归法对于交通预测的建模。
4 系统功能分析及设计
4.1 系统目标
作为整个交通流量预测模型的一个功能模块，本系统主要提供了一个从未处理的原始数据到整理后的有实用价值的数据的功能。整理后的数据主要供流量预测的模型使用，已达到最终流量预测的功能。高架上的数据采集器可以自动采集实时数据，数据管理员可以将得到的数据存入SQL Server 2005数据库，同时处理好的数据可以通过Excel的形式导出并提供给预测模型使用。
交通流量的预测模型是实施交通管理与控制必须首先应付的问题，在管理方案的确定与信号配时的优化方面实时动态交通流量预测模型是最重要的参考依据。虽然车辆的到达具有随机性，但是某一路段的交通流量与前几个时段的交通流量和上、下游路段的交通状况有着必然联系，所以可以建立交通流量的预测模型，根据当前时刻和之前若干历史时刻的交通流量数据束预测下一时刻的交通流量。因此，该模型的作用是分析所采集的原始交通信息，整合不同来源的交通信息，并及时地对交通流程的信息进行预测。总体框架如图1所示。针对图1所示的内容，系统拟完成的功能如下：
整个数据处理过程主要包括如下几个步骤：将原始的5分钟流量和速度的线圈数据按照线圈路段关系合并为路段数据；之后，对原始数据按照一定的方法进行缺失性判断；第三部，在经过数据缺失性判断后，进行数据修补，修补的方法是用断面所在路段的平均值代替缺损数据；第四步，在经过初步的数据修补之后，将修补过的数据插入中间数据库中，并形成阈值数据。经过这几步操作之后，认为数据基本校验结束，然后分别生成15分钟，半个小时，一个小时的中间数据库。除此之外，生成的最终数据可以按照用户的特定需求导出为excel报表，也可以按照一定的关系将最终数据（其中包括历史数据和当天数据）以图表的形式直观地表现出来。
整个系统的操作流程如图4.1所示：
图4.1 交通数据整理操作流程图
建立高精度、高效率、高适应性的预测模型，利用多元回归方法建立通用的交通流的流量-密度、流量-速度和速度-密度模型，采用优化搜索算法实现预测。
4.2 系统功能组成
系统主要需要实现由原始数据到所需的模型数据的功能。系统的主要操作对象是由路面的数据采集器所采集的流量和速度数据，并将数据导入到数据库中，实现系统功能时要将线圈和断面及路段根据关系表进行关联，从而实现数据的信息化管理。因此系统中还设计了原始数据模块，该模块包括：5分钟数据管理、线圈断面关系管理和断面路段关系管理。对于不同模块，系统提供了不同的操作。系统将字段和模块权限结合起来控制用户的使用权限，系统有两种途径分配用户的权限：a.系统管理员将权限分配给相应的用户，b.系统管理员将权限分配给角色，然后再将角色分配给相应的用户。
4.2.1 系统业务流程
（1） 用户基本资料模块操作流程
每个基本资料管理模块的操作流程基本相同，都包含新增、保存、编辑以及查询功能。保存功能既能用于新建基本资料的保存，又能在修改已存在的基本资料后对基本资料进行保存。
流程图如图4.2所示：