一种全路网交通状态预测方法及装置制造方法及图纸

本发明专利技术提供了一种全路网交通状态预测方法及装置，涉及智能交通技术领域，包括：获取检测路段的交通流数据和全路网的历史出行OD矩阵；根据交通流数据确定预设时间间隔内检测路段的预测交通流数据，并根据历史出行OD矩阵确定预设时间间隔内全路网的交通流推演运行状态；根据预测交通流数据和推演交通流运行状态确定优化模型；根据优化模型和预设约束条件确定预测OD，进行全路网的状态预测。本发明专利技术克服了现有技术中只能对单一种类的交通流参数进行预测的问题，且解决了路网中无检测数据的路段的交通状态预测问题。本发明专利技术还可实现OD、速度、流量等多种交通状态预测结果的相互校验，减小单一种类数据的预测偏差，提高交通状态的预测准确度。

【技术实现步骤摘要】
一种全路网交通状态预测方法及装置
本专利技术涉及智能交通
，具体而言，涉及一种全路网交通状态预测方法及装置。
技术介绍
随着城市经济的不断发展和私家车的急速增多，传统的交通模式在现代交通中遇到了越来越多的问题，例如交通拥堵加剧、空气污染严重、交通事故频发等。且采用不断修建道路的方法来缓解巨大的交通压力已变得不切实际。为了应对这些棘手问题，智能交通系统（IntelligentTransportationSystems，简称ITS）被引入到动态交通管理中，并且得到了快速发展。结合信息技术和交通理论，智能交通系统被用于道路交通控制、交通诱导等各个方面。在缓解交通拥堵、提高出行效率等方面，ITS显示出了巨大的潜力。作为ITS的一个分支，交通预测在智能化管理和动态控制中始终占有重要地位。对交通路网的动态控制，依赖于短时/中时交通状态预测的效果。对不同时间间隔的实时交通状态的连续预测能力是交通管理系统提供动态交通控制的必要需求。交通状态的准确预测对智能交通管理和控制具有重要作用。然而，交通流复杂的时空相关性和检测设备布设的局限性，使得全路网的交通状态预测极具挑战。交通状态预测经过了从模型驱动到数据驱动的发展过程。基于交通流模型的解析法对交通状态的预测精度较高，但会随着路网规模的扩大，导致模型过于复杂而无法求解。基于交通流模型的方法在复杂度更高的城市道路网络中也存在建模难的问题。后来，基于统计学和机器学习的方法受到广泛关注。现有的基于贝叶斯网络的算法，能够有效处理大规模交通路网状态预测问题，同时能够提供交通状态的条件概率，得到可靠的预测结果。而机器学习算法，例如支持向量机（SVM）、自回归移动平均（ARIMA）、卡尔曼滤波（KF）等，能够更好地捕捉时空相关性和非线性关系，提供了一种替代交通流模型的更为灵活的预测方法。然而，数据驱动的方法对检测设备布设条件有较强的依赖，设备类型、布设位置、时空稀疏性等问题都会对预测精度造成影响。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题，为达上述目的，第一方面，本专利技术提供了一种全路网交通状态预测方法，其包括：获取检测路段的交通流数据和全路网的历史出行OD矩阵；根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；根据所述预测交通流数据和所述推演交通流运行状态确定优化模型；根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。进一步地，所述交通流推演运行状态包括路段速度、路段流出量和路段排队车辆数。进一步地，所述根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态包括：根据所述预测交通流数据确定所述检测路段的所述路段速度，根据交通流的流-密-速关系确定其他路段的所述路段速度；根据路段排队模型确定路段最大流出能力；根据所述路段速度确定车流流出需求量；根据所述路段最大流出能力和所述车流流出需求量确定所述路段流出量和所述路段排队车辆数。进一步地，所述路段流出量表示为：，所述路段排队车辆数表示为：，其中，表示所述路段最大流出能力，表示路段在时刻的所述车流流出需求量，表示路段在时刻的路段流出量，表示仿真步长。进一步地，所述交通流数据包括所述检测路段的速度和流量，所述历史出行OD矩阵以每个OD对为行，以时间片为列构成，所述历史出行OD矩阵的数值表示所述OD对在所述时间片内产生的出行量。进一步地，所述根据所述预测交通流数据和所述推演交通流运行状态确定优化模型包括：根据所述检测路段的所述速度和所述流量与所述推演交通流运行状态的偏差，和每个所述OD对的路段流量与所有时间片内产生的出行量的偏差，来确定所述优化模型。进一步地，所述预设约束条件包括动态用户均衡约束。进一步地，所述根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测包括：根据所述优化模型和所述预设约束条件的求解结果进行聚合，确定所述预测OD；根据所述预测OD进行动态路径选择和交通流分配，确定所述全路网的交通状态。进一步地，还包括：当根据所述优化模型和所述预设约束条件确定的目标函数值不符合预设精度要求时，调整每个OD对分配到偏差量最大的路径上的流量，重新进行优化，直至所述目标函数值符合所述预设精度要求。进一步地，还包括：获取所述检测路段的最新交通流数据，对所述预测交通流数据进行更新。为达上述目的，第二方面，本专利技术提供了一种全路网交通状态预测装置，其包括：获取模块，用于获取检测路段的交通流数据和全路网的历史出行OD矩阵；处理模块，用于根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；还用于根据所述预测交通流数据和所述推演交通流运行状态确定优化模型；预测模块，用于根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。使用本专利技术的全路网交通状态预测方法或装置，通过基于路网局部道路的速度和流量检测数据进行路段速度和流量的预测，再基于历史出行OD矩阵进行交通流推演确定全路网的交通状态，并根据预测结果和推演结果构建优化模型进行校验，使两者的差异尽可能小，并根据约束条件进行优化，确定预测OD进行全路网的状态预测，扩大速度和流量预测至全路网交通状态预测，克服了现有技术中只能对单一种类的交通流参数进行预测的问题，且解决了路网中无检测数据的路段的交通状态预测问题。本专利技术还可实现OD、速度、流量等多种交通状态预测结果的相互校验，减小单一种类数据的预测偏差，提高交通状态的预测准确度。为达上述目的，第三方面，本专利技术提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现根据本专利技术第一方面所述的全路网交通状态预测方法。为达上述目的，第四方面，本专利技术提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现根据本专利技术第一方面所述的全路网交通状态预测方法。根据本专利技术的非临时性计算机可读存储介质和计算设备，具有与根据本专利技术第一方面的全路网交通状态预测方法具有类似的有益效果，在此不再赘述。附图说明图1为根据本专利技术实施例的全路网交通状态预测方法的流程示意图；图2为根据本专利技术实施例的确定全路网的交通流推演运行状态的流程示意图；图3为根据本专利技术实施例的进行全路网的状态预测的流程示意图；图4为根据本专利技术实施例的时间滚动更新示意图；图5为根据本专利技术实施例的全路网交通状态预测装置的结构示意图。具体实施方式下面将参照附图详细描述根据本专利技术的实施例，描述涉及附图时，除非另有表示，不同附图中的相同附图标记表示相同或相似的要素。要说明的是，以下示例本文档来自技高网...

【技术保护点】
1.一种全路网交通状态预测方法，其特征在于，包括：/n获取检测路段的交通流数据和全路网的历史出行OD矩阵；/n根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；/n根据所述预测交通流数据和所述推演交通流运行状态确定优化模型；/n根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。/n

【技术特征摘要】
1.一种全路网交通状态预测方法，其特征在于，包括：
获取检测路段的交通流数据和全路网的历史出行OD矩阵；
根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；
根据所述预测交通流数据和所述推演交通流运行状态确定优化模型；
根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。


2.根据权利要求1所述的全路网交通状态预测方法，其特征在于，所述交通流推演运行状态包括路段速度、路段流出量和路段排队车辆数。


3.根据权利要求2所述的全路网交通状态预测方法，其特征在于，所述根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态包括：
根据所述预测交通流数据确定所述检测路段的所述路段速度，根据交通流的流-密-速关系确定其他路段的所述路段速度；
根据路段排队模型确定路段最大流出能力；
根据所述路段速度确定车流流出需求量；
根据所述路段最大流出能力和所述车流流出需求量确定所述路段流出量和所述路段排队车辆数。


4.根据权利要求3所述的全路网交通状态预测方法，其特征在于，所述路段流出量表示为：，所述路段排队车辆数表示为：，其中，表示所述路段最大流出能力，表示路段在时刻的所述车流流出需求量，表示路段在时刻的路段流出量，表示仿真步长。


5.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，所述交通流数据包括所述检测路段的速度和流量；所述预测交通流数据包括所述检测路段的预测速度和预测流量；所述历史出行OD矩阵以每个OD对为行，以时间片为列构成，所述历史出行OD矩阵的数值表示所述OD对在所述时间片内产生的出行量。


6.根据权利要求5所述的全路网交通状态预测方法，其特征在于，所述根据所述预测交通流数据和所述推演交通流运行状态确定优化模型包括：
根据所述检测路段的所述预测速度和所述预测流量与所述推演交通流运行状态的偏差，和每个所述OD对的路段流量与...

【专利技术属性】
技术研发人员：张晓春，陈振武，周勇，罗佳晨，吴若乾，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：广东;44