一种高速公路服务区驶入车流量的建模方法技术

本公开提供了一种高速公路服务区驶入车流量的建模方法，包括：采集某服务区多日的车辆驶入数量，计算每一天服务区车辆驶入流量变化曲线并对其进行聚类，得到多个服务区车辆驶入流量变化模式；利用高斯混合模型拟合不同驶入流量变化模式的服务区车辆驶入时间分布，得到多个服务区的驶入量模型；根据服务区附近主线断面交通量、服务区规模、服务区与前后服务区或者城市的距离对服务区的驶入量模型进行扩样构建，得到具有每个服务区单独特征的服务区驶入车流量模型。

A Modeling Method of Vehicle Flow in Expressway Service Area

This disclosure provides a modeling method for vehicle inflow in service area of expressway, which includes: collecting the number of vehicles entering a service area for several days, calculating the curve of vehicle inflow change in service area every day and clustering it to obtain the vehicle inflow change modes in multiple service areas; fitting vehicle driving in service area with different inflow change modes by using Gauss mixture model According to the traffic volume of the main line near the service area, the scale of the service area, the distance between the service area and the service area or the city, the driving volume model of the service area is expanded and constructed, and the driving volume model of the service area with the individual characteristics of each service area is obtained.

【技术实现步骤摘要】
一种高速公路服务区驶入车流量的建模方法
本公开涉及交通规划数据分析领域，尤其涉及一种高速公路服务区驶入车流量的建模方法。
技术介绍
在城际交通中，高速公路服务区是非常重要的休息区，它为出行的用户提供多种服务，合理的高速公路服务区规划与运营能为来往的乘客提供更多的便利，同时也可以创造更大的收益。衡量服务区运营效果一个非常重要的因素就是服务区一天的驶入车流量变化情况，驶入车流量过多会导致服务区运营负载过重，驶入流量过少会导致资源的浪费。理解服务区驶入车流量变化的模式可以分析出驶入车流量变化的原因，预测之后的车流量变化，为服务区的规划与运营提供重要的参考依据。但就专利技术人所知，现有的高速公路服务区的研究仅停留在单个时间点的服务区驶入率问题，并没有考虑服务区驶入率随时间变化的情况。
技术实现思路
为了解决现有技术的不足，本公开提供了一种高速公路服务区驶入车流量的建模方法，充分考虑了服务区驶入车流量的几个重要影响因素，包括服务区所在位置主线断面交通量，服务区功能，服务区间距以及时间因素。为了实现上述目的，本公开的技术方案如下：一种高速公路服务区驶入车流量的建模方法，包括：采集某服务区多日的车辆驶入数量，计算每一天服务区车辆驶入流量变化曲线并对其进行聚类，得到多个服务区车辆驶入流量变化模式；利用高斯混合模型拟合不同驶入流量变化模式的服务区车辆驶入时间分布，得到多个服务区的驶入量模型；根据服务区附近主线断面交通量、服务区规模、服务区与前后服务区或者城市的距离对服务区的驶入量模型进行扩样，得到具有每个服务区单独特征的服务区驶入车流量模型。根据每个服务区不同的服务区驶入车流量模型可以分析该服务区驶入车流量变化的原因，预测之后的车流量变化，为服务区的规划与运营提供重要的参考依据。进一步的，所述聚类具体包括对服务区的驶入车流量进行归一化，利用k-means算法进行聚类，并根据聚类结果，将每一个服务区的车辆驶入流量变化模式用聚类中心的变化模式替代。进一步的，所述k-means算法聚类过程具体包括：根据输入样本和输入长度向量随机选择k个初始的聚类中心；计算所有样本点到聚类中心点的距离，并将样本点分配到离它最近的聚类中心点；对划分到同一聚类中心的样本点计算它们的均值点，并用均值点替换原来的聚类中心点；重新划分样本点，如此迭代，直至收敛。进一步的，所述高斯混合模型的拟合过程包括：对于每个车辆驶入流量变化模式首先按照人流量日变化曲线确定高斯混合模型中的高斯分量的数量，然后根据每个用户的到达时间，利用EM算法反推出高斯混合模型的参数。进一步的，所述利用EM算法反推出高斯混合模型的参数过程具体包括：假设观测到的第j个用户进入时间为xj，依概率πk选择第k个高斯分布模型N(x|μk,σk)，然后根据这个高斯分布模型生成观测数据xj，用隐变量γjk表示观测数据xj来自第k个分模型：根据EM算法，求Q函数：其中θ表示模型的参数(πk,μk,σk)，θ(i)表示第i次迭代的参数，N表示样本的数量，表示当前模型参数下第j个观测数据来自第k个分模型的概率；求Q函数对参数θ的极大值，将Q函数分别对πk,μk,σk2求偏导并令其为0，可得到：重复以上计算，直到对数似然函数值不再有明显的变化为止，即可得到每个时间段的归一化的车流量。进一步的，假设扩样的统一扩样因子为λ，服务区附近的主线断面交通量为w，整个服务区的功能完整性为f，距离的影响为d，则扩样后的车流量估计值模型为q″＝eλw+f+d·q′其中q′为由高斯混合模型计算出的归一化车流量。进一步的，所述服务区内的功能区包括餐厅、超市、卫生间、停车场、加油站和\或客房，因此所述服务区规模可通过整个服务区的功能完整性f进行表示：式中，fi表示第i种功能区的重要性，μi表示第i种功能区在该服务区中的数量。进一步的，假设所述服务区所在高速的前后相邻服务区或城市跟它的距离分别为da,db，则可通过指数来拟合距离的影响：d＝τada+τbdb式中，τa和τb分别表示前后服务区或城市距离对当前服务区的影响权重。进一步的，所述扩样后的车流量估计值模型q″，其损失函数采用均方损失函数表示，并通过梯度下降的方法训练模型，求解各参数。进一步的，所述均方损失函数为：其中qi″表示一天中第i个时间段的输入车流量的估计值，qi表示一天中第i个时间段的输入车流量的真实值，q′i表示高斯混合模型中该服务区在一天的第i个时间段的车流量，τa和τb分别表示前后服务区或城市距离对当前服务区的影响权重，fj表示第j种功能区的重要性。与现有技术相比，本公开的有益效果是：1)本公开的高速公路服务区驶入车流量的建模方法，充分考虑了服务区驶入车流量的几个重要影响因素，使得建立的模型可以准确分析出驶入车流量变化的原因，预测之后的车流量变化，为服务区的规划与运营提供重要的参考依据。2)本公开的高速公路服务区驶入车流量建模方法可以将不同服务区，不同日期的车辆量变化模式进行分类。可以发现相似服务区，分析不同时间比如工作日和周末的不同模式。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本公开某一实施例的聚类算法流程；图2为本公开某一实施例的EM算法求解高斯混合模型流程图；图3为本公开某一实施例的建模系统框架；图4为本公开某一实施例的不同服务区车辆驶入量变化图。具体实施方式下面结合附图与具体实施例对本公开做进一步的说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。作为一种或多种实施例，本公开提出了一个高速公路服务区驶入车流量日变化模型，该模型考虑了服务区驶入车流量的几个重要影响因素，包括服务区所在位置主线断面交通量，服务区功能，服务区间距以及时间因素。具体的，本公开通过一种基于聚类和混合高斯模型方法进行建模。首先，根据多日多服务区车辆驶入数量分布聚类得到几种典型的流量变化模式。然后，针对每种流量变化模式分别用混合高斯模型拟合。最后，根据其他因素综合估计出服务区车辆驶入量。具体方案如下：1输入：车辆进入服务区数据，如表1所本文档来自技高网...

【技术保护点】
1.一种高速公路服务区驶入车流量的建模方法，其特征在于，包括：采集某服务区多日的车辆驶入数量，计算每一天服务区车辆驶入流量变化曲线并对其进行聚类，得到多个服务区车辆驶入流量变化模式；利用高斯混合模型拟合不同驶入流量变化模式的服务区车辆驶入时间分布，得到多个服务区的驶入量模型；根据服务区附近主线断面交通量、服务区规模、服务区与前后服务区或者城市的距离对服务区的驶入量模型进行扩样，得到具有每个服务区单独特征的服务区驶入车流量模型。

【技术特征摘要】
1.一种高速公路服务区驶入车流量的建模方法，其特征在于，包括：采集某服务区多日的车辆驶入数量，计算每一天服务区车辆驶入流量变化曲线并对其进行聚类，得到多个服务区车辆驶入流量变化模式；利用高斯混合模型拟合不同驶入流量变化模式的服务区车辆驶入时间分布，得到多个服务区的驶入量模型；根据服务区附近主线断面交通量、服务区规模、服务区与前后服务区或者城市的距离对服务区的驶入量模型进行扩样，得到具有每个服务区单独特征的服务区驶入车流量模型。2.如权利要求1所述的一种高速公路服务区驶入车流量的建模方法，其特征在于，所述聚类具体包括对服务区的驶入车流量进行归一化，利用k-means算法进行聚类，并根据聚类结果，将每一个服务区的车辆驶入流量变化模式用聚类中心的变化模式替代。3.如权利要求2所述的一种高速公路服务区驶入车流量的建模方法，其特征在于，所述k-means算法聚类过程具体包括：根据输入样本和输入长度向量随机选择k个初始的聚类中心；计算所有样本点到聚类中心点的距离，并将样本点分配到离它最近的聚类中心点；对划分到同一聚类中心的样本点计算它们的均值点，并用均值点替换原来的聚类中心点；重新划分样本点，如此迭代，直至收敛。4.如权利要求1所述的一种高速公路服务区驶入车流量的建模方法，其特征在于，所述高斯混合模型的拟合过程包括：对于每个车辆驶入流量变化模式首先按照人流量日变化曲线确定高斯混合模型中的高斯分量的数量，然后根据每个用户的到达时间，利用EM算法反推出高斯混合模型的参数。5.如权利要求4所述的一种高速公路服务区驶入车流量的建模方法，其特征在于，所述利用EM算法反推出高斯混合模型的参数过程具体包括：假设观测到的第j个用户进入时间为xj，依概率πk选择第k个高斯分布模型N(x|μk,σk)，其中μk表示第k个高斯模型的均值，σk表示第k个高斯模型的标准差，然后根据这个高斯分布模型生成观测数据xj，用隐变量γjk表示观测数据xj来自第k个分模型：根据EM算法，求Q函数：其中，Q函数...

【专利技术属性】
技术研发人员：李勇，刘伟，赵凯，吴伟令，金德鹏，毕玉峰，邵晓明，马川义，韩国华，
申请(专利权)人：山东省交通规划设计院，清华大学，
类型：发明
国别省市：山东,37