一种道路交通运行态势多时间尺度预测方法技术

本发明专利技术公开了一种道路交通运行态势多时间尺度预测方法，包括以下步骤：A、首先通过交通数据采集传感器采集多条道路的交通数据，并通过数据预处理单元进行预处理；B、将预处理后的数据通过主控单元分析后传输至筛选单元中，筛选出非正常运行状态下的交通信息；C、将筛选后的数据传输至交通数据分类单元中进行数据分类，得到正常状态下分类后的交通数据；D、之后将分类后的交通数据发送至异常分析单元中进行异常分析，并且通过深度学习算法预测未来交通数据；E、将预测的未来佳通数据通过数据传输单元传输至社交网络上供用户实时分享；本发明专利技术采用的预测方法操作简单，精度高，为相关管理部门提供快速响应信号，为居民提供出行决策依据。

A multi time scale forecasting method for road traffic situation

【技术实现步骤摘要】
一种道路交通运行态势多时间尺度预测方法
本专利技术涉及交通运行预测
，具体为一种道路交通运行态势多时间尺度预测方法。
技术介绍
道路交通运行态势预测是智能交通系统实施道路交通管理和控制的基础。道路交通运行态势的准确预测能够确保道路交通流安全畅通运行，帮助道路交通使用者根据未来时刻道路交通运行态势变化情况合理规划出行方案，帮助道路交通管理者对未来道路交通运行态势提前认知以便于交通控制措施的精确制定，进而减少道路交通拥挤和道路环境污染的产生，提高道路行车安全和通行效率。针对高速公路道路交通运行态势预测的早期研究中，主要是通过对道路交通流量预测以实现对道路交通流运行态势识别。上世纪70年代，随着美国高速公路路网的构建，相关学者逐渐将交通流预测方面的研究由城市道路(路网)转向高速公路路网交通流预测，并初步形成了以交通量预测为基础的道路交通运行态势预测的理论方法。道路交通运行态势变化规律可根据历史数据演化趋势进行时间跨度划分为短、中及长三个实践尺度。交通流在三个不等长的时间尺度内表现形式既相互关联又存在一定的差异性。中期和长期交通流运行态势预测中针对交通流参数数据进行预测，主要应用神经网络、支持向量机、指数平滑等浅层交通流预测模型，预测模型简单，平稳程度较高，但浅层预测模型能够实现对中长期交通流参数预测结果的输出值精确性较低，且存在预测效果震荡性较大，运算时间较长等问题，其应用于道路智能交通系统交通参数预测模型中可靠性较低。现有的道路交通流运行态势预测方法主要利用基本的预测模型对交通流运行交通参数数据的短时变化情况预测，预测结果精确度偏低，因此，有必要进行改进。
技术实现思路
本专利技术的目的在于提供一种道路交通运行态势多时间尺度预测方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种道路交通运行态势多时间尺度预测方法，包括以下步骤：A、首先通过交通数据采集传感器采集多条道路的交通数据，并通过数据预处理单元进行预处理；B、将预处理后的数据通过主控单元分析后传输至筛选单元中，筛选出非正常运行状态下的交通信息，利用综合算法对筛选出的非正常运行状态下交通信息可能持续的时间进行预测，建立端到端自学习模型，并在地图上进行可视化标注；C、将筛选后的数据传输至交通数据分类单元中进行数据分类，得到正常状态下分类后的交通数据；D、之后将分类后的交通数据发送至异常分析单元中进行异常分析，并且通过深度学习算法预测未来交通数据；E、将预测的未来佳通数据通过数据传输单元传输至后台终端上供用户实时分享。优选的，所述步骤C中交通数据分类方法包括以下步骤：a、获取交通运行数据，通过预定方法计算得到与交通运行数据对应的稀疏系数向量，稀疏系数向量是交通运行数据映射到训练得到的字典上时得到的系数向量；b、根据从待分类交通运行数据中抽取到的至少一个特征待分类数据进行归一化处理，形成待分类交通运行数据的特征数据；利用二值化压缩码编码器处理所述待分类交通数据的特征数据，得到所述待分类交通数据的二值化压缩码；c、对于稀疏系数向量中的每个非零变量，根据训练得到的训练矩阵确定非零变量针对每种类别标签的后验概率；d、根据每种类别标签所对应的后验概率，计算得到每种类别标签所对应的后验概率之和，将后验概率之和最大的类别标签所指示的类别；再利用基于二值化压缩码的分类器对待分类交通运行数据的二值化压缩码进行分类处理，确定为所述交通运行数据的类别。优选的，所述步骤A中交通数据采集传感器包括车流量传感器、车速传感器、车辆图像传感器；其中，车流量传感器用于采集多条道路上车子流量；车速传感器用于采集车辆速率；车辆图像传感器用于采集车辆图像用于识别是否出现堵车。优选的，所述交通数据采集传感器通过数据预处理单元连接主控单元，所述主控单元分别连接筛选单元、数据分类单元、异常数据分析单元、数据分类单元，所述主控单元通过数据传输单元连接后台终端。与现有技术相比，本专利技术的有益效果是：(1)本专利技术采用的预测方法操作简单，精度高，可显著提升道路交通指挥和管理协调程度，为相关管理部门提供快速响应信号，为居民提供出行决策依据。(2)本专利技术采用的交通数据分类方法了一般的分类方法由于需要训练复杂的分类器并且存在大量的模型文件，从而使得分类速度较慢的问题；达到了提高分类效率的效果。附图说明图1为本专利技术流程图；图2为本专利技术控制原理图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-2，本专利技术提供一种技术方案：一种道路交通运行态势多时间尺度预测方法，包括以下步骤：A、首先通过交通数据采集传感器采集多条道路的交通数据，并通过数据预处理单元进行预处理；交通数据采集传感器包括车流量传感器1、车速传感器2、车辆图像传感器3；其中，车流量传感器用于采集多条道路上车子流量；车速传感器用于采集车辆速率；车辆图像传感器用于采集车辆图像用于识别是否出现堵车；B、将预处理后的数据通过主控单元分析后传输至筛选单元中，筛选出非正常运行状态下的交通信息，利用综合算法对筛选出的非正常运行状态下交通信息可能持续的时间进行预测，建立端到端自学习模型，并在地图上进行可视化标注；C、将筛选后的数据传输至交通数据分类单元中进行数据分类，得到正常状态下分类后的交通数据；D、之后将分类后的交通数据发送至异常分析单元中进行异常分析，并且通过深度学习算法预测未来交通数据；E、将预测的未来佳通数据通过数据传输单元传输至后台终端上供用户实时分享。交通数据采集传感器通过数据预处理单元4连接主控单元5，所述主控单元5分别连接筛选单元6、数据分类单元7、异常数据分析单元8、数据分类单元9，所述主控单元5通过数据传输单元10连接后台终端11。本专利技术中，步骤C中交通数据分类方法包括以下步骤：a、获取交通运行数据，通过预定方法计算得到与交通运行数据对应的稀疏系数向量，稀疏系数向量是交通运行数据映射到训练得到的字典上时得到的系数向量；b、根据从待分类交通运行数据中抽取到的至少一个特征待分类数据进行归一化处理，形成待分类交通运行数据的特征数据；利用二值化压缩码编码器处理所述待分类交通数据的特征数据，得到所述待分类交通数据的二值化压缩码；c、对于稀疏系数向量中的每个非零变量，根据训练得到的训练矩阵确定非零变量针对每种类别标签的后验概率；d、根据每种类别标签所对应的后验概率，计算得到每种类别标签所对应的后验概率之和，将后验概率之和最大的类别标签所指示的类别；再利用基于二值化压缩码的分类器对待分类交通运行数据的二值化压缩码进行分类处理，确定为所述交本文档来自技高网...

【技术保护点】
1.一种道路交通运行态势多时间尺度预测方法，其特征在于：包括以下步骤：/nA、首先通过交通数据采集传感器采集多条道路的交通数据，并通过数据预处理单元进行预处理；/nB、将预处理后的数据通过主控单元分析后传输至筛选单元中，筛选出非正常运行状态下的交通信息，利用综合算法对筛选出的非正常运行状态下交通信息可能持续的时间进行预测，建立端到端自学习模型，并在地图上进行可视化标注；/nC、将筛选后的数据传输至交通数据分类单元中进行数据分类，得到正常状态下分类后的交通数据；/nD、之后将分类后的交通数据发送至异常分析单元中进行异常分析，并且通过深度学习算法预测未来交通数据；/nE、将预测的未来佳通数据通过数据传输单元传输至后台终端上供用户实时分享。/n

【技术特征摘要】
1.一种道路交通运行态势多时间尺度预测方法，其特征在于：包括以下步骤：
A、首先通过交通数据采集传感器采集多条道路的交通数据，并通过数据预处理单元进行预处理；
B、将预处理后的数据通过主控单元分析后传输至筛选单元中，筛选出非正常运行状态下的交通信息，利用综合算法对筛选出的非正常运行状态下交通信息可能持续的时间进行预测，建立端到端自学习模型，并在地图上进行可视化标注；
C、将筛选后的数据传输至交通数据分类单元中进行数据分类，得到正常状态下分类后的交通数据；
D、之后将分类后的交通数据发送至异常分析单元中进行异常分析，并且通过深度学习算法预测未来交通数据；
E、将预测的未来佳通数据通过数据传输单元传输至后台终端上供用户实时分享。


2.根据权利要求1所述的一种道路交通运行态势多时间尺度预测方法，其特征在于：所述步骤C中交通数据分类方法包括以下步骤：
a、获取交通运行数据，通过预定方法计算得到与交通运行数据对应的稀疏系数向量，稀疏系数向量是交通运行数据映射到训练得到的字典上时得到的系数向量；
b、根据从待分类交通运行数据中抽取到的至少一个特征待分类数据进行归一化处理，形成待分类交通运行数据的特征数据；利用二值化压...

【专利技术属性】
技术研发人员：吕良选，吴艳虹，
申请(专利权)人：泉州市益典信息科技有限公司，
类型：发明
国别省市：福建;35