一种自学习的路网交通状态分析及预测方法技术

本发明专利技术公开了一种自学习的路网交通状态分析及预测方法，包括以下步骤：(1)构建城市路网模型，配置基础数据，建立城市路网拓扑结构；(2)获取实时车辆经过信息，计算车辆通行数据；(3)重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态；(4)分析当前城市路网交通状态，计算路网交通各项指标；(5)预测未来城市路网交通状态，基于历史交通数据统计学习，自动优化预测模型。本发明专利技术实现了路网层面的整体交通运行状态分析与评价，能够预测未来路网运行状态，为交通优先控制与优化提供了有效数据，同时，基于城市交通状态不断演化的特点，本发明专利技术通过统计方法不断修正预测模型中的参数指标，提高了预测结果的准确度。提高了预测结果的准确度。提高了预测结果的准确度。

【技术实现步骤摘要】
一种自学习的路网交通状态分析及预测方法


[0001]本专利技术涉及智能交通
，特别是一种自学习的路网交通状态分析及预测方法。

技术介绍

[0002]伴随着社会经济高速发展，全国机动车保有量快速增长，城市交通压力越来越大，由此带来日益严重的交通拥堵及交通安全问题。与此同时，大数据、人工智能、5G通信等技术逐渐成熟并开始大范围推广，为交通行业提供了新的解决思路，运用信息化手段来解决交通问题已经成为主要发展趋势。
[0003]城市路网交通状态是交通管理工作的重要基础数据，根据准确的交通状态分析结果，可以实现道路交通科学、合理的组织控制，充分利用有限的道路资源，提高道路通行效率。常用的交通检测手段主要包括线圈、地磁、微波、视频等，随着数字视频传感技术在交通领域的大范围普及应用，从视频图像中提取的车辆通行信息成为交通状态分析及预测过程中最有价值的数据。
[0004]目前，基于车辆通行信息的交通状态分析方法主要是对原始数据按照道路断面进行聚类统计，未充分考虑上下游路口交通影响，不能从路网层面对城市交通进行准确评价。同时，现有技术是对已经发生的交通状态的总结分析，具有一定滞后性，不能满足交通控制对于未来预测数据的需求。城市交通是也一个不断变化的过程，在分析和预测模型中一些交通参量需要不断修正以适应城市交通的变化趋势，而现有技术只能是通过人工观测的方式进行调整，无法通过交通状态数据自动分析演进。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种能够实现全路网交通运行态势监测、分析和预测的自学习的路网交通状态分析及预测方法。
[0006]技术方案：本专利技术所述的自学习的路网交通状态分析及预测方法，包括以下步骤：
[0007](1)构建城市道路网络模型，配置路段、交叉口、车道基础数据，并建立城市路网拓扑结构；
[0008](2)获取实时的车辆经过信息，根据路口上下游关系计算车辆通行数据；
[0009](3)重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态；
[0010](4)分析当前城市路网整体交通状态，计算路网承载车流量、交通运行指数等指标；
[0011](5)预测未来城市路网整体交通状态，基于历史交通数据进行统计学习，自动优化预测模型。
[0012]优选地，所述步骤(1)中构建城市道路网络模型，配置路段、交叉口、车道基础数据，并建立城市路网拓扑结构，具体步骤为：
[0013](11)配置城市路网范围内所有路口，路口对象的属性包含但不限于编码、名称、类
型、地理坐标；
[0014](12)配置城市路网范围内所有道路路段，路段对象的属性包含但不限于编码、名称、类型、前方路口编码、所在路口方向、限速、车道数量、长度、地理坐标；
[0015](13)配置城市路网范围内所有交叉口进口方向车道，车道对象的属性包含但不限于路口编码、路口方向、车道编号、车道宽度、车道类型、检测器类型、检测器编号；
[0016](14)建立城市路网拓扑结构，配置路口上下游关系。拓扑结构包括路口编码、路口方向、上游路口编码、上游路口距离、掉头方向、左转方向、直行方向、右转方向、自由流速；
[0017]优选地，所述步骤(2)中获取实时的车辆经过信息，根据路口上下游关系计算车辆通行数据，具体步骤为：
[0018](21)对接路口电警、ETC、RFID等车辆监测系统，获取实时的车辆经过信息，与路网模型中的车道数据进行匹配，数据关联后得到车道过车数据；
[0019](22)根据车道过车数据中的路口编码以及路口方向信息，遍历路网拓扑结构找到上游路口编码信息。
[0020](23)根据上游路口编码及车辆号牌，搜索此车辆在上游路口的经过信息，合并当前路口和上游路口的车辆经过信息，计算车辆通行数据。
[0021]优选地，所述步骤(3)中重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态，具体步骤为：
[0022](31)将车辆通行数据以路口编码、路口方向、当前车道类型进行分组，按照当前路口经过时间进行排序，将同一个信号灯周期内通过路口停止线的车辆提取出来作为一个车辆通行数据集{v1,
…
,v
n
}。
[0023](32)提取车辆通行数据集中每辆车的通行时间t，并按照从小到大的顺序建立通行时间队列{t1,
…
,t
n
}；
[0024](33)计算通行时间中位数t
0.5
；
[0025]当通行时间队列长度n为奇数时，t
0.5
＝t
(n+1)/2
[0026]当通行时间队列长度n为偶数时，
[0027](34)计算平均延误时间t
a
，平均延误时间比α；
[0028]平均延误时间计算公式：
[0029]平均延误时间比计算公式：α＝(t
a
÷
t
0.5
)
×
100％
[0030](35)根据车流量以及平均延误时间分析相邻路口之间路段的交通状态，相应判定规则如下表。
[0031][0032]优选地，所述步骤(4)中分析当前城市路网整体交通状态，计算路网承载车流量、交通运行指数等指标，具体步骤为：
[0033](41)将路网中最近p分钟的车辆通行数据汇总到一个数据队列中，相同号牌号码的通行数据只保留经过时间最新的一条，这个队列中的数据量即为当前路网所承载的车流量；
[0034](42)根据路段的车辆旅行时间、自由流时间、车流量计算出路网交通运行指数c，计算公式为；
[0035][0036](43)根据路网交通运行指数c分析城市路网整体交通状态，相应判定规则如下表。
[0037]交通运行指数c[0，1.6)[1.6,2.7)[2.7，4.2)[4.2路网交通状态畅通轻度拥堵拥堵严重拥堵
[0038]优选地，所述步骤(5)中预测未来p分钟城市路网整体交通状态，基于历史交通数据进行统计学习，自动优化预测模型。
[0039]城市路网交通状态具有明显的时间相关性，在连续一段日期内，相同时间点的交通状态特征值及增长趋势非常吻合。因此，提取路网交通运行指数历史数据的时间特征，可以建立路网交通状态的基准序列作为预测模型的基础。将基准序列中的交通状态结合当前交通量来修正未来p分钟的交通状态预测指标。
[0040]具体步骤为：
[0041](51)根据当日的城市路网交通运行指数序列{c1，
…
，c
k
}以及基准序列{cb1，
…
，cb
n
}来预测下一个统计周期(p分钟)城市路网的交通运行指数c
k+1
。
[0042](52)从路网交通运行指数历史数据集中提取最近90天的当前时间点i的交通运行指数，并按照由小到大的顺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自学习的路网交通状态分析及预测方法，其特征在于，包括以下步骤：(1)构建城市道路网络模型，配置路段、交叉口、车道基础数据，并建立城市路网拓扑结构；(2)获取实时的车辆经过信息，根据路口上下游关系计算车辆通行数据；(3)重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态；(4)分析当前城市路网整体交通状态，计算路网承载车流量、交通运行指数等指标；(5)预测未来城市路网整体交通状态，基于历史交通数据进行统计学习，自动优化预测模型。2.根据权利要求1所述的自学习的路网交通状态分析及预测方法，其特征在于，所述步骤(1)包括以下步骤：(11)配置城市路网范围内所有路口，路口对象的属性包括编码、名称、类型、地理坐标；(12)配置城市路网范围内所有道路路段的属性；(13)配置城市路网范围内所有交叉口进口方向车道的属性；(14)建立城市路网拓扑结构，配置路口上下游关系。3.根据权利要求2所述的自学习的路网交通状态分析及预测方法，其特征在于：所述道路路段的属性包括编码、名称、类型、前方路口编码、所在路口方向、限速、车道数量、长度、地理坐标。4.根据权利要求2所述的自学习的路网交通状态分析及预测方法，其特征在于：所述车道的属性包括路口编码、路口方向、车道编号、车道宽度、车道类型、检测器类型、检测器编号。5.根据权利要求2所述的自学习的路网交通状态分析及预测方法，其特征在于：所述拓扑结构包括路口编码、路口方向、上游路口编码、上游路口距离、掉头方向、左转方向、直行方向、右转方向、自由流速。6.根据权利要求1所述的自学习的路网交通状态分析及预测方法，其特征在于，所述步骤(2)包括以下步骤：(21)对接路口电警、ETC、RFID等车辆监测系统，获取实时的车辆经过信息，与路网模型中的车道数据进行匹配，数据关联后得到车道过车数据；(22)根据车道过车数据中的路口编码以及路口方向信息，遍历路网拓扑结构找到上游路口编码信息；(23)根据上游路口编码及车辆号牌，搜索此车辆在上游路口的经过信息，合并当前路口和上游路口的车辆经过信息，计算车辆通行数据。7.根据权利要求1所述的自学习的路网交通状态分析及预测方法，其特征在于，所述步骤(3)包括以下步骤：(31)将车辆通行数据以路口编码、路口方向、当前车道类型进行分组，按照当前路口经过时间进行排序，将同一个信号灯周期内通过路口停止线的车辆提取出来作为一个车辆通行数据集{v1，
…
，v
n
}。(32)提取车辆通行数据集中每辆车的通行时间t，并按照从小到...

【专利技术属性】
技术研发人员：金绍林，王立琛，任李蓓，汪晓程，
申请(专利权)人：南京睿思交通信息科技有限公司，
类型：发明
国别省市：