【技术实现步骤摘要】
一种基于神经网络的车辆通过交叉口行程时间的预测方法
本专利技术涉及智能交通系统领域，具体涉及一种基于神经网络的车辆通过交叉口行程时间的预测方法。
技术介绍
随着我国社会经济的不断发展与城市人口的持续增长，车辆的快速增长导致我国各大城市的交通压力日益增加，增加了居民的出行时间。为了提高出行效率，驾驶员对出行时间的预测有了迫切的需求，其中，交叉口复杂情况给车辆通过交叉口的时间预测带来了难度，因此，对车辆通过交叉口的行程时间的准确预测成为智能交通领域和学术界研究的焦点。交叉口行程时间预测是交通预测的一个重要组成部分。交叉口行程时间预测可使出行者，适应因交通状况的不确定性，有助于车辆在路网中的合理分布。其中，姜等研究了车辆在停车线附近的动力学特性，并提出下游线圈检测数据修正方法及路段行程时间的预测方法，马等将路口行程时间与交通信号灯和信号时间进行结合，对路口的排队长度和路口的通行时间进行预测。BP神经网络能够实现从输入到输出的映射功能，具有较强的非线性映射能力，能够通过学习自动提取输入、输出数据间的合理规则，具有高度...
【技术保护点】
1.一种基于神经网络的车辆通过交叉口时间的预测方法，其特征在于，该方法包括如下步骤：/nS1、城市道路划分：把城市道路划分交叉口和交叉口连接路段，交叉口连接路段又分为进口道路段和出口道路段，以保证交叉口能够包括车辆进入交叉口和驶离交叉口的所有行驶轨迹；/nS2、数据收集：采集目标交叉口的地理信息，基于路测采集器，采集经过目标交叉口的GPS数据，通过无线通信方式汇总到数据中心；/nS3、数据预处理：剔除车辆的冗余数据，补充缺失数据，提取车辆通过交叉口进口道的时间、速度和车辆通过出口道是的时间，车辆进入交叉口前的信号灯状态，并对GPS轨迹数据的缺失点进行插值处理；/nS4、建立...
【技术特征摘要】 【专利技术属性】
1.一种基于神经网络的车辆通过交叉口时间的预测方法，其特征在于，该方法包括如下步骤：
S1、城市道路划分：把城市道路划分交叉口和交叉口连接路段，交叉口连接路段又分为进口道路段和出口道路段，以保证交叉口能够包括车辆进入交叉口和驶离交叉口的所有行驶轨迹；
S2、数据收集：采集目标交叉口的地理信息，基于路测采集器，采集经过目标交叉口的GPS数据，通过无线通信方式汇总到数据中心；
S3、数据预处理：剔除车辆的冗余数据，补充缺失数据，提取车辆通过交叉口进口道的时间、速度和车辆通过出口道是的时间，车辆进入交叉口前的信号灯状态，并对GPS轨迹数据的缺失点进行插值处理；
S4、建立神经网络模型：将处理得到的数据采用留出法划分为训练集和测试集，选取车辆在进口道停车线时的速度vin、时间tin和信号灯状态λ作为神经网络的输入，车辆通过交叉口的时间Δt作为神经网络的输出，用梯度下降算法来进行网络优化，选取均方根作为评价指标；
S5、交叉口行程时间预测：通过输入交叉口进口道车辆的信息，预测车辆通过路口的时间。
2.根据权利要求1所述的一种基于神经网络的车辆通过交叉口时间的预测方法，其特征在于，所述步骤S1中，路段划分规则为：为保证能够采集到足够多的车辆数据，路口连接段保留足够长的长度，确保能够保留每个车辆多个GPS数据点，所述步骤S2中，通过地图采集目标交叉口的长、宽以及停车线的位置信息；采集的GPS数据具有一个完整的周期，包括工作日和非工作日的数据，根据一个完整周期内的工作日和非工作日的数据能够更加清晰地反映出道路交通量变化，也可以更加有效地拟合与行程时间的关系。
3.根据权利要求1所述的一种基于神经网络的车辆通过交叉口时间的预测方法，其特征在于，所述步骤S3中，数据处理的规则为：
S3.1由于数据中含有车辆没有通过指定交叉口，这些数据属于无效数据，应将这些数据进行剔除，通过对交叉口划定范围，将范围之外的数据进行删减，最后得到的是城市道路内的车辆有效信息；
S3.2剔除规定外的数据之后，还会存在一些不完整的数据，需要每个车辆通过进口道停车线的时间、速度，当车辆经过停止线的数据缺失的时候，需要使用插值法，利用经过停车线前后车辆的时间数据，将通过停车线的车辆信息进行补全；
S3.3把车辆在交叉口的行驶过程看成匀加减速运动，当车辆视为匀加减速运动时，车辆经过进口道停车线处的时间为：
车辆经过进口道停车线处的车速为：
vin＝v1+atin
技术研发人员：陈阳舟，袁新利，师泽宇，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。