The invention discloses a traffic congestion prediction method based on particle swarm optimization (PSO), including steps: S1. uses the sensor system of the terminal side and the traffic monitoring system at the road intersection to collect traffic data and upload it to the cloud server; the S2. cloud server receives traffic data, based on the improved particle swarm optimization algorithm. The prediction data is obtained; the S3. cloud server transfers the forecast data to the terminal side of the device; the device on the S4. terminal side receives the data returned by the cloud server and stores it in the local storage device; the S5. cloud server gets the traffic data collected by the terminal and the traffic monitoring system in real time, and takes the traffic data as the new input variable. Based on the improved particle swarm optimization algorithm, continuous learning is used to optimize the prediction data continuously. The invention greatly improves the prediction precision, can effectively regulate traffic flow, reduce traffic load, reduce traffic delay and parking rate, improve the traffic capacity of road network, and improve the urban traffic condition.
【技术实现步骤摘要】
基于粒子群算法的交通道路拥堵预测方法
本专利技术涉及交通
,更为具体地,涉及一种基于粒子群算法的交通道路拥堵预测方法。
技术介绍
随着汽车工业的发展,在汽车为人们带来各种便利的同时,也制造了一系列问题,如交通拥堵、环境污染、交通事故等。我国的交通国情在于机动车与非机动车混行,自行车数量大,机动车数量多,而路网容纳能力有限等,实施交通强国战略,需要解决的一个问题就是交通拥堵。而在道路交通控制领域,对交通进行监测、数据采集和处理等的信息系统存在诸多无法解决的问题,特别是在道路交叉口交通控制系统上,存在周期长、车辆延误和通行能力有限等问题。常规的交通控制方式将历史交通流数据作为调控的依据,通过分析在不同时间的交通流的变化规律,使用人工的方式进行配时,然后将配时方案通过计算机技术录入到交通控制器中,在应用中通过调用不同的配时方案进行交通调控,由于大量的车辆涌入城市交通道路,造成了严重的交通堵塞问题,配时方案调控交通流越来越难以适应交通拥堵的治理需求。例如,公开号为CN106991815A的中国专利申请公开了一种交通拥堵控制方法,包括如下步骤:S1.获取目标道路的既定参数,包括道路通行能力Q、自由流速度vf以及阻塞密度kj;S2.获取目标道路的实时交通参数,包括实时交通量q、实时车速v以及实时交通密度k;S3.构建交通状态判别模型,根据该模型判断当前道路的交通速度和交通流量对交通流的影响程度,并根据影响程度对交通作出控制措施,能够结合道路的交通流的实际状态以及交通流中交通量和交通速度进行分析,做出准确的交通控制措施,能够有效缓解目标道路的交通拥堵状况,而且能够 ...
【技术保护点】
1.一种基于粒子群算法的交通道路拥堵预测方法,其特征在于,包括如下步骤:S1,利用终端侧的传感器系统,采集第一交通数据,上传至云服务器,同时,利用道路交叉口处的交通监控系统采集第二交通数据,上传至云服务器;S2,云服务器接收所述第一交通数据和所述第二交通数据,并基于改进的粒子群算法进行处理,得到第一预测数据;S3,云服务器将所述第一预测数据传输至终端侧的设备;S4,所述终端侧的设备接收云服务器回传的数据,并将其保存在本地存储装置中,然后终端侧的设备检测本地存储装置中是否储存有历史路况数据,并对历史路况数据提取特征数据;S5,云服务器实时获取终端侧的传感器系统采集的交通数据,实时获取道路交叉口处的交通监控系统采集的第二交通数据,将第一交通数据和第二交通数据作为新的输入变量,基于所述改进的粒子群算法持续学习,不断优化所述第一预测数据。
【技术特征摘要】
1.一种基于粒子群算法的交通道路拥堵预测方法,其特征在于,包括如下步骤:S1,利用终端侧的传感器系统,采集第一交通数据,上传至云服务器,同时,利用道路交叉口处的交通监控系统采集第二交通数据,上传至云服务器;S2,云服务器接收所述第一交通数据和所述第二交通数据,并基于改进的粒子群算法进行处理,得到第一预测数据;S3,云服务器将所述第一预测数据传输至终端侧的设备;S4,所述终端侧的设备接收云服务器回传的数据,并将其保存在本地存储装置中,然后终端侧的设备检测本地存储装置中是否储存有历史路况数据,并对历史路况数据提取特征数据;S5,云服务器实时获取终端侧的传感器系统采集的交通数据,实时获取道路交叉口处的交通监控系统采集的第二交通数据,将第一交通数据和第二交通数据作为新的输入变量,基于所述改进的粒子群算法持续学习,不断优化所述第一预测数据。2.根据权利要求1所述的一种基于粒子群算法的交通道路拥堵预测方法,其特征在于,在步骤S2中,包括以下步骤:S21,将步骤S1中采集的数据作为样本数据,进行初始化操作,所述初始化包括种群的规模、迭代的次数、权值和阈值;S22,构建神经网络结构,并随机生成一个种群wi,用种群wi代表神经网络的初始值,wi=(wi1,wi2...,wis)T其中,s=pn+pm+p+mn为神经网络的输入神经元数目,p为神经网络的隐含层神经元数目,m为神经网络的输出神经元数目;S23,制定评价参数,创建一个神经网络进化参数,将新得到的粒子对神经网络的权值和阈值进行重新计算,直到达到收敛的条件,将适应度值fiti定义为,其中,yi′为实际输出,yi为期望输出,n代表种群规模;S24,根据样本数据计算每个粒子的位置,将粒子最好的位置作为历史最佳位置;S25,在每一次迭代过程都要重新确定粒子的位置和速度,都要...
【专利技术属性】
技术研发人员:刘威,王玉环,
申请(专利权)人:佛山杰致信息科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。