一种分布式交通流预测方法及系统技术方案

本发明专利技术公开了一种分布式交通流预测方法及系统，所述方法，包括：步骤1，获取交通流数据；步骤2，采用预先建立的分布式交通流预测模型对交通流数据进行处理得到预测结果；其中，所述分布式交通流预测模型的生成方法为：步骤2.1，基于交通流数据计算实测单路段拥堵值；步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型；步骤2.3，采用深度随机森林，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为训练集数据输入，训练分布式交通流预测模型。本发明专利技术将计算由各个节点分担，进行并行运算，大大减少了服务器的运算量和运算时间。

A Distributed Traffic Flow Forecasting Method and System

The invention discloses a distributed traffic flow forecasting method and system, which includes: step 1, obtaining traffic flow data; step 2, using pre-established distributed traffic flow forecasting model to process traffic flow data to obtain forecasting results; and the generation method of the distributed traffic flow forecasting model is: step 2.1, calculating actual measurement based on traffic flow data. Single-section congestion value; Step 2.2, training single-section traffic flow prediction model based on the measured single-section congestion value; Step 2.3, using deep random forest, the traffic flow data of selected area and the predicted single-section congestion value output of the single-section traffic flow prediction model are used as training set data input to train the distributed traffic flow prediction model. The method divides the calculation among the nodes and carries out parallel operation, which greatly reduces the computation amount and time of the server.

【技术实现步骤摘要】
一种分布式交通流预测方法及系统
本专利技术涉及实时交通领域，尤其是一种分布式交通流预测方法及系统。
技术介绍
城市交通流预测是智慧城市的重要组成部分。传统的交通流预测技术，模型简单便于使用，但也受到算法限制，不能很好反应出交通流复杂多变的特点。近年来以神经网络为首的算法在交通流预测上展现出了更高的准确率，但也需要看到其不可避免的缺憾：1.基于神经网络算法及其改进型的模型，在构建过程中需要消耗大量时间并使用大量经过人工标记的数据，在构建完成后，才能部署到相应的监控设备上。2.随着时间变迁、城市发展，已有的算法模型并不一定能满足最新的预测需求，此时需要依照最新的数据进行标记、训练、部署，十分消耗人力物力。3.训练完成的模型是一个整体，若是其中一部分改变，则需要更换整个模型；运算全部放在模型存放的服务器上，使得服务器有较大的运算压力。。
技术实现思路
本专利技术所要解决的技术问题是：针对上述存在的问题，提供一种分布式交通流预测方法及系统，将计算由各个节点分担，进行并行运算，大大减少了服务器的运算量和运算时间。本专利技术采用的技术方案如下：一种分布式交通流预测方法，包括：步骤1，获取选定区域的交本文档来自技高网...

【技术保护点】
1.一种分布式交通流预测方法，其特征在于，包括：步骤1，获取选定区域的交通流数据；步骤2，采用预先建立的分布式交通流预测模型对选定区域的交通流数据进行处理得到预测结果；其中，所述分布式交通流预测模型的生成方法为：步骤2.1，基于选定区域的交通流数据计算实测单路段拥堵值；步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型；步骤2.3，采用深度随机森林，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为训练集数据输入，训练分布式交通流预测模型。

【技术特征摘要】
1.一种分布式交通流预测方法，其特征在于，包括：步骤1，获取选定区域的交通流数据；步骤2，采用预先建立的分布式交通流预测模型对选定区域的交通流数据进行处理得到预测结果；其中，所述分布式交通流预测模型的生成方法为：步骤2.1，基于选定区域的交通流数据计算实测单路段拥堵值；步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型；步骤2.3，采用深度随机森林，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为训练集数据输入，训练分布式交通流预测模型。2.如权利要求1所述的分布式交通流预测方法，其特征在于，步骤2.1，基于选定区域的交通流数据计算实测单路段拥堵值的过程具体为：步骤2.1.1，按照路段形状将路段划分为不同的路段类型；步骤2.1.2，计算每种路段类型的实测单路段拥堵值。3.如权利要求2所述的分布式交通流预测方法，其特征在于，步骤2.1.1中，按照路段形状将划分的不同的路段类型包括：直道、弯道、环岛、十字、丁字和匝道。4.如权利要求2所述的分布式交通流预测方法，其特征在于，步骤2.1.2中，计算每种路段类型的实测单路段拥堵值的过程具体为：(1)计算单路段平均车速；(2)根据所述单路段平均车速计算出实测单路段拥堵值f(x)；其中，x表示单路段平均车速，α为一个超参数。5.如权利要求4所述的分布式交通流预测方法，其特征在于，计算单路段平均车速包括：基于GPS数据计算单路段平均车速和基于线圈和雷达数据计算单路段平均车速；具体地，A、基于GPS数据计算的单路段平均车速：其中，m表示单路段一分钟内车辆总数，n表示某一车辆的GPS数据条数，Pd和Pi表示该车辆在当前路段当前GPS条目下已行驶完成的比例，vt表示该车辆在当前路段当前GPS条目下的瞬时速度；B、基于线圈和雷达数据计算的单路段平均车速：其中，m表示单路段一分钟内车辆总数，c为光速，f0为发射波的中心频率，f-代表后半周期负向调频所得的差频，f+代...

【专利技术属性】
技术研发人员：吴春江，郑皓文，乐代波，严浩，陈虹洁，谢雨霖，王蒲，
申请(专利权)人：电子科技大学，四川浩特通信有限公司，
类型：发明
国别省市：四川,51