一种基于BP神经网络数据融合的MFD估测方法技术

本发明专利技术涉及神经网络技术方法领域，更具体地，涉及一种基于BP神经网络数据融合的MFD估测方法，将LDD估测法和FCD估测法所得的交通数据结合起来考虑，以车联网下100%联网车数据（Network Car Data，NCD）估测的交通参数为检验数据，分别建立路网加权交通流量和路网加权交通密度的BP神经网络数据融合模型，以便可获得更加准确的路网加权交通流量和路网加权交通密度，从而更加准确地估测路网MFD。在有固定检测器的路段，对固定检测器和浮动车所采集的交通数据进行BP神经网络数据融合，得到路段加权交通流量和加权交通密度；在没有固定检测器的路段，用浮动车采集的交通数据提取路段加权交通流量和加权交通密度。最后依据数据融合的路网加权交通流量和加权交通密度，估测路网MFD。

【技术实现步骤摘要】
一种基于BP神经网络数据融合的MFD估测方法
本专利技术涉及神经网络技术方法领域，更具体地，涉及一种基于BP神经网络数据融合的MFD估测方法。
技术介绍
城市交通拥堵给城市交通带来了巨大的挑战。如何缓解城市交通拥堵问题已成为了众多学者的重点研究方向，学者们提出了各种交通控制策略，在一定程度上有效缓解了城市交通拥堵，但随着车流的不断增大，交通拥堵愈演愈烈，各种交通控制策略将不适用。近期，Daganzo和Geroliminis两位学者揭示了宏观基本图(MacroscopicFundamentalDiagrams，MFD)的客观存在性，他们认为MFD不仅可以对城市路网从宏观层面进行描述，而且可以监视和预测路网交通运行状态，为从宏观层面对过饱和路网实施交通控制策略提供了新思路，然而如何得到城市路网的MFD又成为一大难点。目前路网MFD可通过固定检测器(如环形感应线圈、微波、视频检测器等)或GPS浮动车采集的交通数据来估测。固定检测器数据估测方法(LoopDetectorData，LDD估测法)是通过安装在路段的固定检测器实时采集交通数据，然后利用MFD相关理论，估测路网MFD。浮动车数据估测本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络数据融合的MFD估测方法，其特征在于，具体步骤如下：(1)首先选定实验区，依据上述基础数据，利用Vissim交通仿真软件建立交通仿真模型，将5％车辆设定为浮动车，在各路段中间位置设置检测器，将100％车辆设定为联网车(特殊的浮动车)，构建车联网环境交通模型，用于获得神经网络模型的校验数据；为了模拟路网从低峰‑高峰‑拥堵的整个过程，在该路网仿真模型中，模拟交通流从低峰开始，路网边界各路段驶入交通量每隔900s增加100pcu/h，直至至高峰的过饱和状态，共仿真30000s，每隔300s采集1次数据，共采集100次数据；(2)在步骤(1)之后，设定浮动车和联网车每隔5秒上传...

【技术特征摘要】
1.一种基于BP神经网络数据融合的MFD估测方法，其特征在于，具体步骤如下：(1)首先选定实验区，依据上述基础数据，利用Vissim交通仿真软件建立交通仿真模型，将5％车辆设定为浮动车，在各路段中间位置设置检测器，将100％车辆设定为联网车(特殊的浮动车)，构建车联网环境交通模型，用于获得神经网络模型的校验数据；为了模拟路网从低峰-高峰-拥堵的整个过程，在该路网仿真模型中，模拟交通流从低峰开始，路网边界各路段驶入交通量每隔900s增加100pcu/h，直至至高峰的过饱和状态，共仿真30000s，每隔300s采集1次数据，共采集100次数据；(2)在步骤(1)之后，设定浮动车和联网车每隔5秒上传车辆数、行驶时间、行驶距离等数据，依据FCD估测法，计算每隔300秒的浮动车路网加权交通流量qFCD、浮动车路网加权交通密度kFCD、联网车路网加权交通流量qNCD、联网车路网加权交通密度kNCD；同样每隔300秒采集各路段检测器的路段交通密度、路段交通流量，依据LDD估测法，计算每隔300秒的路网加权交通流量qLDD、和路网加权交通密度kLDD。(3)在步骤(2)之后，将前50个周期的qFCD、qLDD、nFCD作为路网加权交通流量融合模型的训练样本，前50个周期的qNCD作为检验样本，对路网加权交通流量融合模型进行训练；将前50个周期的kFCD、kLDD、nFCD作为路网加权交通密度融合模型的训练样本，前50个周期的kNCD作为检验样本，对路网加权交通密度融合模型进行训练；最后用训练好的神经网络模型对100个周期的数据进行数据融合；(4)在步骤(3)之后，分别生成基于FCD估测的路网MFDF，基于LDD估测的路网MFDL，基于BP神经网络数据融合估测的MFDBP，基于联网车轨迹的路网标准MFDN，对比测定的路网MFD与路网标准MFD的平均相对误差。2.根据权利要求1所述的基于BP神经网络数据融合的MFD估测方法，其特征在于，在步骤(2)中，LDD估测法的具体步骤如下：(1)首先在路网中各路段均安装有固定检测器(如环形线圈检测器、视频采集检测器等)，则可直接通过固定检测器采集的路段交通流量和交通密度估测路网MFD，(2)在步骤(1)之后，依据(GeroliminisandDaganzo,2008)所提出的MFD相关理论[1～6]，可知：式中：N——路网移动车辆数(veh)；qw、kw、ow——路网加权交通流量(veh/h)、路网加权交通密度(veh/km)、路网加权时间占有率；i、li——路段i和该路段的长度(km)；qi、ki、oi——路段i的流量(veh/h)、密度(vehk/km)和时间占有率；s——车辆的平均车长。3.根据权利要求2所述的基于BP神经网络数据融合的MFD估测方法，其特征在于，在步骤(2)中，FCD估测法的具体步骤如下：当路网所有车的轨迹可知时，根据车轨迹可计算出路网的交...

【专利技术属性】
技术研发人员：林晓辉，曹成涛，李彩红，黄良，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：广东,44