高速公路服务区交通量预测模型构建、预测方法及装置制造方法及图纸

本发明专利技术公开了一种高速公路服务区交通量预测模型构建、预测方法及装置提供的改进粒子群算法对XBOOST模型进行优化，将粒子群划分为主从拓扑，较好地避免在模型参数优化过程中陷入局部最优解，这种改进粒子群算法能更好寻优出理想的超参数，提高交通量预测准确度。提高交通量预测准确度。提高交通量预测准确度。

【技术实现步骤摘要】
高速公路服务区交通量预测模型构建、预测方法及装置


[0001]本专利技术涉及高速公路服务区交通量预测方法及装置，具体涉及一种高速公路服务区交通量预测模型构建、预测方法及装置。

技术介绍

[0002]高速公路服务区是智慧高速公路建设的重要组成部分，服务区的智慧化进程直接影响着高速公路智慧化建设水平。在对服务区的服务水平进行评价时，主要分析和挖掘服务区的供给能力和高速公路交通量之间的相互关系。因此，对高速公路服务区交通量进行有效的量化和预测，是科学合理评价高速公路服务区服务能力的重要技术手段。
[0003]传统的交通量预测主要依靠ARIMA时间序列和卡尔曼滤波模型展开，实时性不高且不适合波动较大的交通量数据。近年来，随着交通大数据的发展，基于机器学习的交通量预测可以结合交通流量大数据充分挖掘交通量的时空特征进行较好的预测。目前，针对高速公路服务区交通量预测还面临以下问题：
[0004](1)将交通量预测与高速公路服务区规模评价相关联的研究尚少。
[0005](2)现有的服务区交通量预测的建模数据大都以服务区历史驶入车流为主，还没有建立服务区交通量与高速公路断面交通量之间的预测模型。
[0006](3)现有的交通量预测只考虑时序的整体交通量，缺乏交通量按类型的细致划分。
[0007](4)现有的粒子群优化算法在参数优化迭代过程中，容易陷入局部最优，往往难以挖掘出理想的超参数，使得模型预测准确率不够高。

技术实现思路

[0008]本专利技术的目的在于提供一种高速公路服务区交通量预测模型构建、预测方法及装置，用以解决现有技术中的预测方法及装置存在的模型预测准确率不高的问题。
[0009]为了实现上述任务，本专利技术采用以下技术方案：
[0010]一种高速公路服务区交通量预测模型构建方法，所述的方法按照以下步骤执行：
[0011]步骤1、获得多组服务区交通量数据，所述的服务区交通量数据包括服务区小客车每小时的车流量、服务区大客车每小时的车流量以及服务区货车每小时的车流量；
[0012]获取每组服务区交通量数据对应的高速公路断面交通量数据，获得多组高速公路断面交通量数据，所述的高速公路断面交通量数据包括高速公路断面小客车每小时的车流量、高速公路断面大客车每小时的车流量以及高速公路断面货车每小时的车流量；
[0013]步骤2、对所述的每组服务区交通量数据进行当量折算，获得每组服务区交通量数据对应的服务区车当量和服务区人当量；
[0014]对所述的每组高速公路断面交通量数据进行当量折算，获得每组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量；
[0015]步骤3、将第r组服务区交通量数据和第r组服务区交通量数据对应的服务区车当量和服务区人当量作为第r个标签数据，r＝1,2，
……
，R，R为正整数；
[0016]重复本步骤，直至获得R个标签数据，获得标签集；
[0017]步骤4、将第j组高速公路断面交通量数据和第j组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量作为第j个样本数据，j＝1,2，
……
，J，J为正整数，J＝R；
[0018]重复本步骤，直至获得J个样本数据，获得样本集；
[0019]步骤5、将所述的样本集作为输入，将所述的标签集作为参考输出，训练XGBoost模型；
[0020]其中在训练XGBoost模型时采用粒子群算法；
[0021]所述的粒子群算法在更新每个粒子的速度时，按照以下步骤执行：
[0022]步骤a、将粒子群中的所有粒子按照粒子的适应度值的大小从大到小排列，选取前N个粒子作为主粒子，N为正整数，将所述粒子群中除了主粒子以外的所有粒子作为从粒子；
[0023]步骤b、将每个主粒子作为聚类中心，采用聚类的方法将所述的从粒子进行分类，获得多个从粒子组，所述的每个从粒子组中从粒子个数相同；
[0024]步骤c、将每个从粒子组与其对应聚类中心的主粒子作为改进粒子组，获得N个改进粒子组；
[0025]步骤d、采用式I获得每个改进粒子组中每个粒子的速度：
[0026][0027]其中v
mi(t+1)
表示t+1时刻第i个改进粒子组中主粒子的速度值，v
sij(t+1)
表示t+1时刻第i个改进粒子组中第j个从粒子的速度值，x
mi(t)
表示当前t时刻第i个改进粒子组中主粒子的位置记录，x
sij(t)
表示当前t时刻第i个改进粒子组中的第j个从粒子的位置记录，v
mi(t)
表示当前t时刻第i个改进粒子组中主粒子的速度值，v
sij(t)
表示当前t时刻第i个改进粒子组中第j个从粒子的速度值，K为收敛因子，K为常数，均为加速常数，表示t时刻第i个改进粒子组中主粒子的历史最优位置记录，表示t时刻第i个改进粒子组中第j个从粒子的历史最优位置记录，r1与r2均为大于0且小于1的常数，表示当前t时刻所有改进粒子组中最优的主粒子历史位置记录，表示当前t时刻第i个改进粒子组中最优的从粒子历史位置记录。
[0028]进一步地，其中表示收敛参数，
[0029]进一步地，所述的步骤2中的当量折算具体包括：
[0030]步骤a、采用式II获得车当量S
c
：
[0031]S
c
＝1.0
×
S
x
+1.5
×
S
d
+1.5
×
S
h
ꢀꢀ
式Ⅱ[0032]其中S
x
表示交通量数据中小客车每小时的车流量的值，S
d
表示交通量数据中大客车每小时的车流量的值，S
h
表示交通量数据中货车每小时的车流量的值；
[0033]步骤b、采用式III获得人当量S
p
。
[0034]S
p
＝3.3
×
S
x
+46.0
×
S
d
+2.1
×
S
h
ꢀꢀ
式III
[0035]一种高速公路服务区交通量预测方法，所述的方法按照以下步骤执行：
[0036]步骤A、采集待预测的服务区对应的高速公路断面交通量数据，获得待预测数据；
[0037]步骤B、将所述的待预测数据输入至所述的高速公路服务区交通量预测模型构建方法构建的预测模型中，获得待预测的高速公路服务区交通量。
[0038]一种高速公路服务区交通量预测模型构建装置，所述的装置包括数据获取模块、当量折算模块、标签数据获得模块、样本数据获得模块以及模型训练模块；
[0039]所述的数据获取模块用于获得多组服务区交通量数据，所述的服务区交通量数据包括服务区小客车每小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路服务区交通量预测模型构建方法，其特征在于，所述的方法按照以下步骤执行：步骤1、获得多组服务区交通量数据，所述的服务区交通量数据包括服务区小客车每小时的车流量、服务区大客车每小时的车流量以及服务区货车每小时的车流量；获取每组服务区交通量数据对应的高速公路断面交通量数据，获得多组高速公路断面交通量数据，所述的高速公路断面交通量数据包括高速公路断面小客车每小时的车流量、高速公路断面大客车每小时的车流量以及高速公路断面货车每小时的车流量；步骤2、对所述的每组服务区交通量数据进行当量折算，获得每组服务区交通量数据对应的服务区车当量和服务区人当量；对所述的每组高速公路断面交通量数据进行当量折算，获得每组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量；步骤3、将第r组服务区交通量数据和第r组服务区交通量数据对应的服务区车当量和服务区人当量作为第r个标签数据，r＝1，2，
……
，R，R为正整数；重复本步骤，直至获得R个标签数据，获得标签集；步骤4、将第j组高速公路断面交通量数据和第j组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量作为第j个样本数据，j＝1，2，
……
，J，J为正整数，J＝R；重复本步骤，直至获得J个样本数据，获得样本集；步骤5、将所述的样本集作为输入，将所述的标签集作为参考输出，训练XGBoost模型；其中在训练XGBoost模型时采用粒子群算法；所述的粒子群算法在更新每个粒子的速度时，按照以下步骤执行：步骤a、将粒子群中的所有粒子按照粒子的适应度值的大小从大到小排列，选取前N个粒子作为主粒子，N为正整数，将所述粒子群中除了主粒子以外的所有粒子作为从粒子；步骤b、将每个主粒子作为聚类中心，采用聚类的方法将所述的从粒子进行分类，获得多个从粒子组，所述的每个从粒子组中从粒子个数相同；步骤c、将每个从粒子组与其对应聚类中心的主粒子作为改进粒子组，获得N个改进粒子组；步骤d、采用式I获得每个改进粒子组中每个粒子的速度：其中v
mi(t+1)
表示t+1时刻第i个改进粒子组中主粒子的速度值，v
sij(t+1)
表示t+1时刻第i个改进粒子组中第j个从粒子的速度值，x
mi(t)
表示当前t时刻第i个改进粒子组中主粒子的位置记录，x
sij(t)
表示当前t时刻第i个改进粒子组中的第j个从粒子的位置记录，v
mi(t)
表示当前t时刻第i个改进粒子组中主粒子的速度值，v
sij(t)
表示当前t时刻第i个改进粒子组中第j个从粒子的速度值，K为收敛因子，K为常数，均为加速常数，表示t时刻第i个改进粒子组中主粒子的历史最优位置记录，表示t时刻第i个改进粒子组中第j个从粒子的历史最优位置记录，r1与r2均为大于0且小于1的常数，表示当前t时刻所有改进粒子组中最优的主粒子历史位置记录，表示当前t时刻第i个改进粒子组中最优的从
粒子历史位置记录。2.如权利要求1所述的高速公路服务区交通量预测模型构建方法，其特征在于，其中表示收敛参数，3.如权利要求1所述的高速公路服务区交通量预测模型构建方法，其特征在于，所述的步骤2中的当量折算具体包括：步骤a、采用式II获得车当量S
c
：S
c
＝1.0
×
S
x
+1.5
×
S
d
+1.5
×
S
h
ꢀꢀꢀꢀ
式II其中S
x
表示交通量数据中小客车每小时的车流量的值，S
d
表示交通量数据中大客车每小时的车流量的值，S
h
表示交通量数据中货车每小时的车流量的值；步骤b、采用式III获得人当量S
p
。S
p
＝3.3
×
S
x
+46.0
×
S
d
+2.1
×
S
h
ꢀꢀꢀꢀ
式III4.一种高速公路服务区交通量预测方法，其特征在于，所述的方法按照以下步骤执行：步骤A、采集待预测的服务区对应的高速公路断面交通量数据，获得待预测数据；步骤B、将所述的待预测数据输入至权利要求1
‑
3任一项权利要求所述的高速公路服务区交通量预测模型构建方法构建的预测模型中，获得待预测的高速公路服务区交通量。5.一种高速公路服务区交通量预测模型构建装置，其特征在于，所述的装置包括数据获取模块、当量折算模块、标签数据获得模块、样本数据获得模块以及模型训练模块...

【专利技术属性】
技术研发人员：孙朝云，杨荣新，郝雪丽，裴莉莉，李伟，赵怀鑫，韩雨希，袁博，
申请(专利权)人：长安大学，
类型：发明
国别省市：