交通堵塞预测方法技术

本发明专利技术涉及一种交通堵塞预测方法，本发明专利技术解决现有技术的问题，其技术方案要点是，执行以下步骤：步骤一，建立多维数据点；步骤二，关联数据补充进入多维数据点内；步骤三，将与目标地点直接相邻的地点的负荷百分比作为关联数据补充进入多维数据点内；步骤四，建立多维数据空间；步骤五，人为设定多维数据空间内的若干个中心点，根据空间距离值进行自动归类，一次归类完成后进行空间距离的均值计算，选择最为靠近重新归类完成后中心位置的数据作为新的中心点，重复进行自动归类，直到自动归类完成，步骤六，建立神经网络并训练；步骤七，输入对应的神经网络，并以存在事故和不存在事故进行两次分类，获得预测；步骤八，进行人为干预。预。预。

【技术实现步骤摘要】
交通堵塞预测方法


[0001]本专利技术属于一种交通预测方法，涉及一种交通堵塞预测方法。

技术介绍

[0002]随着时代的发展和进步，城市的发展速度越来越快，但是由于交通建设的滞后性，交通堵塞属于不可避免的存在，因此，在交通干预、导航等应用上都需要一种能够较为快速和准确进行交通堵塞预测的方法，但是现阶段的导航和干预都比较注重当前的车流状况，在实时显示方面具备很好的技术，但是对于预测并不重视，由此导致，很多时候存在如果有准确地预测就可以提前干预，但是由于对于预测的不重视导致了堵塞的发生，疏导就存在滞后，从而将堵塞更为严重化。
[0003]例如，在2010年就公开的一种交通信息发布系统（CN201010616512.2）。其包括：多个车载GPRS通信装置，用于发送多个用户位置信息；交通信息确定装置，用于根据所述多个用户位置信息中的用户位置数据和时间数据计算对应多个用户的移动速度，当所述多个用户的移动速度均未达到预设的速度可信度参量时，确定交通堵塞信息，以及将所述交通交通堵塞信息发送到所述多个车载GPRS通信装置。本专利技术提高了确定交通堵塞信息的实时性。
[0004]又例如，在2012年就公开的一种交通堵塞状况下的应急导航方法和装置（CN201210572330.9）。方法包括：判断第一导航路径的交通状况；当第一导航路径的交通状况处于堵塞状态时，搜索轨道交通站点附近的停车场；以当前位置为起点，搜索到的停车场的位置为终点，建立导航路径；根据得到的导航路径进行导航。装置包括：交通状况判断模块，用于判断第一导航路径的交通状况；搜索模块，用于搜索轨道交通站点附近的停车场；GPS定位模块，用于获取当前位置；导航路径规划模块，用于以当前位置为起点，搜索到的停车场的位置为终点，建立导航路径；导航模块，用于根据得到的导航路径进行导航。本专利技术可以避免用户被堵在路上的情况发生。
[0005]显然，以上
技术实现思路
，都对于预测并不重视，由此导致很多时候存在如果有准确地预测就可以提前干预，但是由于对于预测的不重视导致了堵塞的发生，疏导就存在滞后，从而将堵塞更为严重化。

技术实现思路

[0006]本专利技术解决了现有技术很多时候存在对于预测的不重视导致了堵塞的发生，疏导就存在滞后，从而将堵塞更为严重化的问题，提供一种交通堵塞预测方法。
[0007]本专利技术解决其技术问题所采用的技术方案是：一种交通堵塞预测方法，获取当前车流数据和历史车流数据，并通过执行以下步骤来判断地区内堵塞点,步骤一，将一天分为若干个时段，选取需要预测的目标地点并记录当前时段对应的各方向输入车流量、输出车流量、负荷百分比、以及之前时段对应的各方向输入车流量、输出车流量和负荷百分比，作为一个多维数据点；
步骤二，将目标地点在对应时段时的天气、节假日属性和事故情况数字化，并作为关联数据补充进入多维数据点内；步骤三，将与目标地点直接相邻的地点的负荷百分比作为关联数据补充进入多维数据点内；步骤四，建立多维数据空间，多维数据空间的维度至少包括各方向输入车流量、输出车流量、负荷百分比以及与目标地点直接相邻的地点的负荷百分比在内的若干项；步骤五，人为设定多维数据空间内的若干个中心点，根据空间距离值进行自动归类，一次归类完成后进行空间距离的均值计算，选择最为靠近重新归类完成后中心位置的数据作为新的中心点，重复进行自动归类，直到自动归类完成，步骤六，建立针对天气、节假日属性、事故情况分批次训练的神经网络，选择自动归类的中心点的负荷百分比作为结果集，将自动归类的所有多维数据点中的之前时段对应的各方向输入车流量、输出车流量和负荷百分比作为训练集，对神经网络进行训练；步骤七，将当前目标地点的天气、节假日属性、各方向输入车流量、输出车流量、负荷百分比以及目标地点直接相邻的地点的负荷百分比作为定量输入对应的神经网络，并以存在事故和不存在事故进行两次分类，获得预测的目标地点的各方向输入车流量、输出车流量以及负荷百分比和出现事故则会出现的目标地点的各方向输入车流量、输出车流量以及负荷百分比；步骤八，若当前目标地点未出现事故，则以未出事故的负荷百分比作为预测数据，若当前目标地点出现事故，则以出了事故的负荷百分比作为预测数据，当预测数据超过阈值则设定预测目标地点存在堵塞，需要进行人为干预。
[0008]本专利技术采用的是将各个路段的信息进行整合，形成大数据，通过分类方法，形成各个路况、天气、时段都类似的分类，然后用神经网络作为分类器，通过明确分类之后在将对应的提前量输入训练好的神经网络，获得最容易出现的结果，这个结果就是预测结果，也就是训练时将之前时段对应的各方向输入车流量、输出车流量和负荷百分比作为输入量，当前时段对应的各方向输入车流量、输出车流量、负荷百分比作为输出量进行分类，而实际应用时，将当前时段对应的各方向输入车流量、输出车流量、负荷百分比作为输入量，从而预测未来时段的各方向输入车流量、输出车流量、负荷百分比。在此基础上还可以将事故发生和未发生作为不同输入量进行输入，一旦出现事故就直接进行切换，从而能够在发现事故之时就能够预测是否需要进行疏导和干预。
[0009]作为优选，在所述步骤一中，将一天根据早晚高峰段的情况分以早晚高峰段为中心，以正态分布的形式并根据算力的需求将一天分为若干个时段。由于早晚高峰期存在堵塞的情况最为严重，因此以早晚高峰为中心，进行时段区分，可以有效提高预测重要性时段的算力分配。除了正态分布之外还可以用其他方式进行分布，总之比之平均分布的时段区分方式，有了较大的进步。
[0010]作为优选，在所述步骤一中，选取需要预测的目标地点之前若干个时段对应的各方向输入车流量、输出车流量和负荷百分比，作为关联数据与一个多维数据点进行关联；在步骤五中，仅目标地点之当前时段对应的各方向输入车流量、输出车流量和负荷百分比作为分类数据参与分类。由于选择的时段越多，越容易发现其中隐藏的关联，因此，可以选择多个之前若干个时段对应的各方向输入车流量、输出车流量和负荷百分比作为训练量进行
输入，从而提高预测的时间差，也就是预测的提前量。
[0011]作为优选，在所述步骤二中，针对天气、节假日属性和事故分别设定若干个分类，且对每个分类根据对应的参数建立分类函数，根据目标地点的天气、节假日属性和事故参数以及对应的分类函数将目标地点的天气、节假日属性和事故分类进行确定。通过分类的方式将天气、节假日属性和事故这些内容进行数字化，作为优选，在所述步骤五中，首先根据目标地点的天气、节假日属性和事故分类进行一次分类，形成各个批次的数据，然后每个批次的数据再根据空间距离值进行自动归类。这些作为固定数据，可以直接分类，不需要用神经网络进行分类，降低了算力要求。
[0012]作为优选，在所述步骤五中，人为设定多维数据空间内的若干个中心点，第一次归类时只对设定距离值小于等于a的多维数据点根据空间距离进行自动归类，一次归类完成后进行空间距离的均值计算，选择最为靠近重新归类完成后中心位置的数据作为新的中心点；然后对设定距离值小于等于b的多维数据点根据空间距离进行自动归类，归类完成后进行选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通堵塞预测方法，其特征在于：获取当前车流数据和历史车流数据，并通过执行以下步骤来判断地区内的堵塞点,步骤一，将一天分为若干个时段，选取需要预测的目标地点并记录当前时段对应的各方向输入车流量、输出车流量、负荷百分比、以及之前时段对应的各方向输入车流量、输出车流量和负荷百分比，作为一个多维数据点；步骤二，将目标地点在对应时段时的天气、节假日属性和事故情况数字化，并作为关联数据补充进入多维数据点内；步骤三，将与目标地点直接相邻的地点的负荷百分比作为关联数据补充进入多维数据点内；步骤四，建立多维数据空间，多维数据空间的维度至少包括各方向输入车流量、输出车流量、负荷百分比以及与目标地点直接相邻的地点的负荷百分比在内的若干项；步骤五，人为设定多维数据空间内的若干个中心点，根据空间距离值进行自动归类，一次归类完成后进行空间距离的均值计算，选择最为靠近重新归类完成后中心位置的数据作为新的中心点，重复进行自动归类，直到自动归类完成，步骤六，建立针对天气、节假日属性、事故情况分批次训练的神经网络，选择自动归类的中心点的负荷百分比作为结果集，将自动归类的所有多维数据点中的之前时段对应的各方向输入车流量、输出车流量和负荷百分比作为训练集，对神经网络进行训练；步骤七，将当前目标地点的天气、节假日属性、各方向输入车流量、输出车流量、负荷百分比以及目标地点直接相邻的地点的负荷百分比作为定量输入对应的神经网络，并以存在事故和不存在事故进行两次分类，获得预测的目标地点的各方向输入车流量、输出车流量以及负荷百分比和出现事故则会出现的目标地点的各方向输入车流量、输出车流量以及负荷百分比；步骤八，若当前目标地点未出现事故，则以未出事故的负荷百分比作为预测数据，若当前目标地点出现事故，则以出了事故的负荷百分比作为预测数据，当预测数据超过阈值则设定预测目标地点存在堵塞，需要进行人为干预。2.根据权利要求1所述的地区整体车流监控方法，其特征在于：在所述步骤一中，将一天根据早晚高峰段的情况分以早晚高峰段为中心，以正态分布的形式并根据算力的需求将一天分为若干个时段。3.根据权利要求1所述的地区整体车流监控方法，其特征在于：在所述步骤一中，选取需要预测的目标地点之前若干个时段对应的各方向输入车流量、输出车流量和负荷百分比，作为关联数据与一个多维数据点进行关联；在步骤五中，仅目标地点之当前时段对应的各方向输入车流量、输出车流量和负荷百分比作为分类数据参与分类。4.根据权利要求1...

【专利技术属性】
技术研发人员：严洁，
申请(专利权)人：杭州易上科技有限公司，
类型：发明
国别省市：