一种道路拥堵情况测试方法技术

本发明专利技术提出了一种道路拥堵情况测试方法，包括：步骤S100，建立道路拥堵预测模型；步骤S200，采集交通流量数据并进行数据预处理；步骤S300，将交通流量数据输入道路拥堵预测模型，得到预测的道路拥堵情况。本发明专利技术可以利用当前时刻相关的交通流量以及历史时刻相关交通流量，采用改进的神经网络模型进行交通流量的预测，提高了预测的效率和准确性。

Road congestion test method

The invention provides a road congestion test method, which comprises the following steps: S100, the establishment of road congestion prediction model; step S200, traffic flow data acquisition and data preprocessing; step S300, the traffic flow data input road congestion prediction model by road congestion prediction. The invention can make use of the traffic flow related to the current time and the historical moment related traffic flow, and adopt an improved neural network model to predict the traffic flow, thereby improving the prediction efficiency and accuracy.

【技术实现步骤摘要】
一种道路拥堵情况测试方法
本专利技术涉及城市道路检测领域，具体涉及一种道路拥堵情况测试方法。
技术介绍
自上个世纪以来,随着城市化的进展和汽车数量的迅速增加,交通运输与社会经济生活的联系越来越密切,道路运输已成为最重要的地面运输方式。但是过多的车辆却带来诸如道路拥堵加剧、交通事故频发、交通环境恶化等一系列问题。众所周知,解决道路拥堵最直接的方法就是修建更多的道路,提高路网的通行能力"一直以来,交通运输是制约我国国民经济发展的瓶颈,所以,在改革开放的将近三十年里,我国道路运输增长需求主要靠建设更多的基础设施来满足,特别是建立完善的道路网络。然而这种发展方法到了一定阶段,就逐渐显示出其局限性"因为宝贵的土地资源是十分有限的,尤其是在寸土寸金的大城市,在交通主干网络基本确定的情况下,进一步增加道路规模几乎是不太可能的,因为可供修建道路的空间越来越小,而且,建设资金的筹措也存在相当的困难。这就给科技工作者提出了一个问题,如何在现有路网规模的基础上,提高道路的通行能力,防止拥堵情况的发生。由于道路交通系统是一个有人参与的、时变的、复杂的非线性大系统,其显著特点之一就是具有高度的不确定性。单独从车辆方面或单独从道路方面考虑,这样一种传统的交通控制方法己不足以有效的解决问题。伴随着信息技术的飞速发展,智能交通系统(hitelligentTransPortationsystem,简称ITS)在解决交通问题方面的显示出越来越多的优越性。交通运输业的发展水平是一个国家兴旺发达的重要标志之一。交通运输的高速发展,一方面极大促进了城乡物资交流和人们的往来,大大缩短了出行时间,提高了工作效率；另一方面也带来了许多弊端,特别是汽车运输。近半个世纪以来,交通拥挤、道路阻塞以及交通事故频发正越来越严重的困扰着世界各国的大城市。为了提高运输网络的使用效率,解决交通拥挤和交通安全问题,世界各国纷纷开展了智能交通系统的研究工作。交通问题的核心就是车辆行驶需求与道路供给之间的矛盾,可以有以下几个途径解决这个问题。1、控制需求:就是限制车辆的增加,或者改变车型,使车变瘦,但这种想法是不现实的。2、增加供给:修建道路是目前解决城市交通问题的一个重要途径,城市之间的交通拥挤往往可以通过建造足够的城际高速公路来解决。但在城市内部,存在以下几个方面的问题:(1)历史的原因导致我国城市的规划普遍不合理,改造现有的路网任重道远。(2)城市内土地面积有限,特别是城市中心城区,可供修建的道路空间越来越少。(3)经济的发展必然带来出行的增加"即使修路,路网建设的步伐也总是赶不上车辆的增加速度。因此,限制车辆的增加或者大量修路不是解决问题的根本办法。尤其我国人口众多,出行量大,再加上短时间内无法修太多的路。所以,在相当一段时期内,还存在交通混行的中国特色。要解决交通混乱的局面,还必须加强城市交通管理。3、加强城市交通管理加强城市交通系统的管理在很长一段时间内被认为是解决城市交通问题的有效途径。(l)加强交通法规建设、制定限制性交通法规。如实现单行线,禁止左转弯等(2)加强宣传教育,提高交通的安全意识。(3)合理地规划城市建设。(4)改进城市交通信号控制。城市交通控制主要指城市交叉路口的交通控制。城市交通控制技术已由点控、线控向面控过渡,点控就是对单个交叉路口的交通信号实施单点定时控制。线控就是对交通主干道的交通信号进行协调控制,保证大多数汽车在行驶到路口时都会遇到绿灯。面控是一种通过采用计算机联网控制,根据交叉路口的实时交通流量状况,通过建立数学模型,编写软件确定交叉路口的信号灯配时方案,实现整个路网的配时优化交通控制系统。提高了路口的通行能力,降低了车俩的停车次数,减少了行车延误时间,减少了燃料和汽车排放的有毒物质等。(5)引入道路计费系统在交通控制系统中引入道路计费系统,对交通网络中所有的路由进行计费加权,以实现各路由之间距离费用乘积趋于平衡,用户可以将出行时间和出行费用结合起来考虑,从用户最优的角度使交通流在网络中均匀分布,避免道路拥堵。这种方法可以在动态的情况下由网络控制系统提供最新的交通信息来对道路计费系统调整以影响流量分布。该系统作为一个约束条件在很大的程度上可以减少个人对交通的影响。(6)发展公共交通鼓励出行者乘坐公共交通出行,并且大力发展安全、快捷、运量大的地铁和轨道交通,可以收到良好的效果。通过车辆自动定位监控系统可以实现对车辆形态的区分,为公共交通优先权提供保证,在交通网络中公共交通是处于最优先的等级,它对供求矛盾的解决起到了很重要的作用。当车辆到达检测位置时,检测器检测出公交车辆信号并提供给信号灯控制系统,在其绿灯信号时段为其加入优先权。当然,检测点在道路上游的位置要合适,以便给信号控制系统足够的时间在信号策略中相适应。随着计算机科学的飞速发展以及先进传感技术的突飞猛进，全球数据库中的数据存储量每年以100％的速率增长。特别是随着智能交通系统(ITS)的高速发展，其数据存储更新速度更加迅速，每天都有海量数据通过各种交通信息监测网络流进ITS数据库。很多有用的信息，包括潜在的交通行为模式，交通管理模式等，都隐藏在巨大的数据流之中。因此，采用有效的数据挖掘算法发掘ITS海量数据中的潜在重要交通规律，对于交通状态预测评估与决策优化具有重要意义。目前，ITS系统采用大量的先进传感装置、网络技术、拍照装置以及高速计算机系统，能够实时监测和采集到大量的交通流量、速度以及利用等方面的数据。这些数据为建立可靠交通流预测模型提供了坚实的数据基础。但是，这些数据的高复杂性和高维数灾使得传统的基础统计建模的预测方法很难起到较好的预测效果。发展先进有效的数据挖掘算法以及软件技术对于描述和分析海量数据十分迫切。已有的文献资料报道了学者们利用数据挖掘技术进行交通流预测的研究成果。Hauser和Scherer首次利用聚类分析方法预测城市交通流，得到了合理的交通控制策略；接着Park等应用遗传算法(GA)解决数据中模糊不清的分类以提高交通流预测精度；随后出现了决策树，人工免疫算法、神经网络以及支持向量机等先进数据挖掘算法，并在提高交通流预测精度方面取得了较好成果。但是现有的方法还存在预测准确性不高、效率低下等问题。
技术实现思路
至少部分的解决现有技术中存在的问题，本专利技术提出一种道路拥堵情况测试方法，包括：步骤S100，建立道路拥堵预测模型；步骤S200，采集交通流量数据并进行数据预处理；步骤S300，将交通流量数据输入道路拥堵预测模型，得到预测的道路拥堵情况。优选的，采集交通流量数据并进行数据预处理包括：通过在道路上安装摄像头、感应器等设施实现对交通流量数据的采集和计算。优选的，道路拥堵情况分为1到10十个等级，1到5级别的交通都属于顺畅，由5到10，拥堵级别逐渐增加。优选的，所述道路拥堵预测模型是BP神经网络模型。优选的，所述道路拥堵预测模型是融合了BP神经网络模型和SVM(支持向量机)模型相融合的模型。优选的，所述的道路拥堵预测模型的输入量为：q1,q2,q3,Qt,Qt-1,Qt-2,Qt-3，q1、q2、q3、以及Qt分别表示了上游交叉口t时刻北方位、西方位、南方位、以及下游路口的交通流量，Qt-1,Qt-2,Qt-3分别表示t-1时刻、t-2时刻、t-3本文档来自技高网...

【技术保护点】
一种道路拥堵情况测试方法，包括：步骤S100，建立道路拥堵预测模型；步骤S200，采集交通流量数据并进行数据预处理；步骤S300，将交通流量数据输入道路拥堵预测模型，得到预测的道路拥堵情况。

【技术特征摘要】
1.一种道路拥堵情况测试方法，包括：步骤S100，建立道路拥堵预测模型；步骤S200，采集交通流量数据并进行数据预处理；步骤S300，将交通流量数据输入道路拥堵预测模型，得到预测的道路拥堵情况。2.如权利要求1所述的道路拥堵情况测试方法，其中，采集交通流量数据并进行数据预处理包括：通过在道路上安装摄像头、感应器等设施实现对交通流量数据的采集和计算。3.如权利要求1所述的道路拥堵情况测试方法，其中，道路拥堵情况分为1到10十个等级，1到5级别的交通都属于顺畅，由5到10，拥堵级别逐渐增加。4.如权利要求1所述的道路拥堵情况测试方法，其中，所述道路拥堵预测模型是BP神经网络模型。5.如权利要求1所述的道路拥堵情况测试方法，其中，所述道路拥堵预测模型是融合了BP神经网络模型和SVM(支持向量机)模型相融合的模型。6.如权利要求1所述的道路拥堵情况测试方法，其中，所述的道路拥堵预测模型的输入量为：q1,q2,q3,Qt,Qt-1,Qt-2,Qt-3，q1、q2、q3、以及Qt分别表示了上游交叉口t时刻北方位、西方位、南方位、以及下游路口的交通流量，Qt-1,Qt-2,Qt-3分别表示t-1时刻、t-2时刻、t-3时刻下游路口的交通流量，即t时刻的前3个时刻的交通流量。7.如权利要求4所述的道路拥堵情况测试方法，其中，所述BP神经网络模型为基于遗传算法改进的BP神经网络模型。8.如权利要求7所述的道路拥堵情况测试方法，其中，生成基于遗传算法改进的BP神经网络模型包括：1、初始种群的产生1.1生成一个0～1之间的一个随机小数α，作为学习率；1.2随机生成1～100之间一个整数，作为隐含层单元数；1.3产生一个BP神经网络模型作为初始种群的一个染色体；1.4重复1.1...

【专利技术属性】
技术研发人员：黄诗平，
申请(专利权)人：广州市科恩电脑有限公司，
类型：发明
国别省市：广东,44