一种交通拥塞趋势预测方法及系统技术方案

本发明专利技术公开了一种交通拥塞趋势预测系统及方法，其中，该方法包括：实时获取路口的交通数据，所述交通数据包括车辆经过时刻、速度及行驶方向；利用预设时间段的滑动窗口来记录交通数据，进而输出一个车辆数序列；对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；利用更新后的自回归积分滑动平均模型对当前窗口及下一个窗口所对应的车辆数进行预测；求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而预测出相应路口的交通拥塞趋势。本发明专利技术通过当前交通状态的变化，实现了对交通拥塞趋势进行预测。

Method and system for predicting traffic congestion tendency

The invention discloses a system and a method to predict a traffic congestion trend which, the method includes: acquiring the real-time traffic data intersection, the traffic data including traffic through time, speed and direction of travel; to record the traffic data of the sliding window with a preset period of time, then the output of a vehicle number sequence; smoothing the vehicle number sequence output and update the autoregressive integrated moving average model; the number of vehicles auto regressive integrated moving average model corresponding to the current window and a window to predict the number of vehicles; for prediction of the expected frequency difference on the value, as the traffic state of the current change degree; for the changes of the traffic state of the mean as traffic state forecasting the degree of change, and change the interval and congestion threshold, and predicts the corresponding intersection Traffic congestion trends. The invention realizes the prediction of traffic congestion tendency through the change of the current traffic state.

【技术实现步骤摘要】
一种交通拥塞趋势预测方法及系统
本专利技术属于智能交通系统领域，尤其涉及一种交通拥塞趋势预测方法及系统。
技术介绍
目前，随着经济的发展和人口的增长，交通拥塞的问题在城市中越来越严重。交通拥塞带来了在经济、社会和生态等方面的一系列问题，造成了在这些方面的严重损失。很多国家开始大力发展以城市公共交通为主的公共交通，然而仍然无法解决交通事故、交通拥堵、交通污染的通病。于是各国开始寻找解决的方法，其中一个重要研究方向就是智能运输系统(ITS)。智能交通系统上是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。本专利技术的内容作为智能交通系统的一个重要研究方向，着重于对道路交通拥塞趋势的预测。对交通拥塞趋势的智能预测在全世界正受到越来越多的关注。精确和实时的交通趋势信息能够带来减少污染、节约能源和提高车流的速度等方面的好处。这样的话，如果人们在出行之前能够得到对于交通状况的预测信息，那么就可以相对应地选择出行的路线，同时相关政府部门也能根据这些信息来合理地对交通进行调度。在交通预测的研究方面，很多工作都选择了回归模型作为工具。比如，有人使用了卡尔曼滤波器来实现了短期的交通流量预测，还有人使用了自回归积分滑动平均模型(ARIMA)。也有很多工作使用了机器学习方面的工具，比如说有人使用了人工神经网络(ANN)，还有人使用了深度学习。这些工作和方法基本上都把他们的注意力放在了交通拥塞检测上面，在这方面都为了找到一个拥塞的阈值或者自适应阈值。然而，交通拥塞都逐步形成的，利用一个阈值来决定是否产生了交通拥塞，并不能准确地预测交通拥塞。
技术实现思路
为了解决现有技术中交通拥塞预测结果准确性的问题，本专利技术的第一目的是提供一种交通拥塞趋势预测方法。本专利技术的一种交通拥塞趋势预测方法，包括：利用预设时间段的滑动窗口来记录交通数据，进而输出一个车辆数序列；对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；利用更新后的自回归积分滑动平均模型对当前窗口及下一个窗口所对应的车辆数进行预测；求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而预测出相应路口的交通拥塞趋势。进一步的，在利用预设时间段的滑动窗口来记录交通数据的过程中，首先，确定需要预测的车辆行驶方向；然后，将第一个车辆经过当前路口的时刻作为起始时刻，直至经过滑动窗口的预设时间段后，记录车辆经过时刻及速度，并对当前窗口执行滑动操作。本专利技术利用预设时间段的滑动窗口，以实时交通数据作为输入，对其进行处理以得到所需要的数据，即窗口中的车辆数，保证了数据获取的真实性，进一步提高了交通拥塞趋势预测的准确性。由于窗口输出的车辆数序列中的数据存在波动性，因此为了提高车辆数预测的准确性，本专利技术使用数据平滑技术对窗口输出的车辆数序列进行平滑处理。进一步的，若求取的交通状态预测变化度与拥塞区间的变化度阈值两者相同，则当前交通状态不变。进一步的，若求取的交通状态预测变化度大于拥塞区间的变化度阈值，则判断当前交通状态是否为正常，若正常，则说明当前交通进入了进入完全拥塞前的弹性区间，否则就是退出完全拥塞后的弹性区间；若求取的交通状态预测变化度小于拥塞区间的变化度阈值，则判断当前交通状态是否为进入完全拥塞前的弹性区间，若是，则当前交通状态为完全拥塞，否则就是正常状态。本专利技术在对交通趋势预测的过程中，通过分析收集实时的交通数据，来实时得到当前交通状态，并且根据当前交通状态来实时预测交通的趋势，比如是否交通是否即将开始拥塞，交通是否即将进入完全拥塞状态，交通是否即将退出完全拥塞状态，交通是否即将退出拥塞变为正常状态，最终准确地预测交通拥塞趋势及其状况。本专利技术的第二目的是提供一种交通拥塞趋势预测系统。本专利技术的一种交通拥塞趋势预测系统，包括：交通数据获取模块，其用于实时获取路口的交通数据，所述交通数据包括车辆经过时刻、速度及行驶方向；滑动窗口记录模块，其用于利用预设时间段的滑动窗口来记录交通数据，进而输出一个车辆数序列；模型更新模块，其用于对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；当前变化度计算模块，其用于求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；；交通拥塞趋势预测模块，其用于求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而预测出相应路口的交通拥塞趋势。进一步的，滑动窗口记录模块还包括：车辆行驶方向确定模块，其用于确定需要预测的车辆行驶方向；滑动操作执行模块，其用于将第一个车辆经过当前路口的时刻作为起始时刻，直至经过滑动窗口的预设时间段后，记录车辆经过时刻及速度，并对当前窗口执行滑动操作。本专利技术利用预设时间段的滑动窗口，以实时交通数据作为输入，对其进行处理以得到所需要的数据，即窗口中的车辆数，保证了数据获取的真实性，进一步提高了交通拥塞趋势预测的准确性。进一步的，在所述交通拥塞趋势预测模块中，若求取的交通状态预测变化度与拥塞区间的变化度阈值两者相同，则当前交通状态不变。由于窗口输出的车辆数序列中的数据存在波动性，因此为了提高车辆数预测的准确性，本专利技术使用数据平滑技术对窗口输出的车辆数序列进行平滑处理。进一步的，在所述交通拥塞趋势预测模块中，若求取的交通状态预测变化度大于拥塞区间的变化度阈值，则判断当前交通状态是否为正常，若正常，则说明当前交通进入了进入完全拥塞前的弹性区间，否则就是退出完全拥塞后的弹性区间；若求取的交通状态预测变化度小于拥塞区间的变化度阈值，则判断当前交通状态是否为进入完全拥塞前的弹性区间，若是，则当前交通状态为完全拥塞，否则就是正常状态。本专利技术在对交通趋势预测的过程中，通过分析收集实时的交通数据，来实时得到当前交通状态，并且根据当前交通状态来实时预测交通的趋势，比如是否交通是否即将开始拥塞，交通是否即将进入完全拥塞状态，交通是否即将退出完全拥塞状态，交通是否即将退出拥塞变为正常状态，最终准确地预测交通拥塞趋势及其状况。与现有技术相比，本专利技术的有益效果是：(1)本专利技术在对交通拥塞趋势的预测中，利用交通拥塞是逐步形成(退出)的这一现象，认为交通拥塞的预测并不能仅仅使用一个阈值来决定，本专利技术通过实时获取路口的交通数据，利用预设时间段的滑动窗口来记录交通数据，输出一个车辆数序列；再对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；利用更新后的自回归积分滑动平均模型对当前窗口及下一个窗口所对应的车辆数进行预测；求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；再求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而准确地预测出当前路口的交通拥塞趋势；(2)根据当前交通状态来实时预测交通的趋势，比如是否交通是否即将开始拥塞，交通是否即将进入完全拥塞状态，交通是否即将退出完全拥塞状态，交通是否即将退出拥塞变为正常状态，最终准确地预测交通拥塞趋势及其状况。附图说明构本文档来自技高网...

【技术保护点】
一种交通拥塞趋势预测方法，其特征在于，包括：实时获取路口的交通数据，所述交通数据包括车辆经过时刻、速度及行驶方向；利用预设时间段的滑动窗口来记录交通数据，进而输出一个车辆数序列；对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；利用更新后的自回归积分滑动平均模型对当前窗口及下一个窗口所对应的车辆数进行预测；求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而预测出相应路口的交通拥塞趋势。

【技术特征摘要】
1.一种交通拥塞趋势预测方法，其特征在于，包括：实时获取路口的交通数据，所述交通数据包括车辆经过时刻、速度及行驶方向；利用预设时间段的滑动窗口来记录交通数据，进而输出一个车辆数序列；对输出的车辆数序列进行平滑处理并更新自回归积分滑动平均模型；利用更新后的自回归积分滑动平均模型对当前窗口及下一个窗口所对应的车辆数进行预测；求取预测的车辆数的期望频率之差的对数值，作为交通状态的当前变化度；求取交通状态的变化度均值作为交通状态预测变化度，并与拥塞区间的变化度阈值比较，进而预测出相应路口的交通拥塞趋势。2.如权利要求1所述的一种交通拥塞趋势预测方法，其特征在于，在利用预设时间段的滑动窗口来记录交通数据的过程中，首先，确定需要预测的车辆行驶方向；然后，将第一个车辆经过当前路口的时刻作为起始时刻，直至经过滑动窗口的预设时间段后，记录车辆经过时刻及速度，并对当前窗口执行滑动操作。3.如权利要求1所述的一种交通拥塞趋势预测方法，其特征在于，若求取的交通状态预测变化度与拥塞区间的变化度阈值两者相同，则当前交通状态不变。4.如权利要求1所述的一种交通拥塞趋势预测方法，其特征在于，若求取的交通状态预测变化度大于拥塞区间的变化度阈值，则判断当前交通状态是否为正常，若正常，则说明当前交通进入了进入完全拥塞前的弹性区间，否则就是退出完全拥塞后的弹性区间。5.如权利要求1所述的一种交通拥塞趋势预测方法，其特征在于，若求取的交通状态预测变化度小于拥塞区间的变化度阈值，则判断当前交通状态是否为进入完全拥塞前的弹性区间，若是，则当前交通状态为完全拥塞，否则就是正常状态。6.一种交通拥塞趋势预测系统，其特征在于，包括：交通数据获取模块，其用于实...

【专利技术属性】
技术研发人员：郭伟，郑栋宇，刘磊，崔立真，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37