一种基于交通流量特征提取与分类的交通拥堵预测方法技术

本发明专利技术公开了一种基于交通流量特征提取与分类的交通拥堵预测方法，步骤依次为：数据提取与划分，绘制交通流量时序图，拥堵阶段分类，图像特征提取与分类以及交通拥堵识别及预测。本发明专利技术解决了在现有交通拥堵预测方法中实时性不强、便捷度不高、准确性不佳而带来的误差问题，既适用于城市交通，又适用于公路交通，具有一定的推广应用价值，可为交通拥堵预测提供参考。供参考。供参考。

【技术实现步骤摘要】
一种基于交通流量特征提取与分类的交通拥堵预测方法


[0001]本专利技术属于交通工程领域，特别涉及了一种交通拥堵预测方法。

技术介绍

[0002]近年来，经济社会发展不断加快，国民人均小汽车保有量迅速增加，交通拥堵现象日益加剧；与此同时，为了更有效地获取相关交通数据以感知交通系统的状态，大量的监测设备被安放在了公共场所和交通设施中，例如微波雷达、感应线圈、车辆电子标签等。这些设备可以精确、海量地获取交通流量数据，为交通流量预测工作带来诸多便利。在此背景下，为了减少交通拥堵对经济社会发展带来的不利影响，进而灵活主动地进行拥堵疏导，有必要提出一种便捷准确的交通拥堵预测方法。
[0003]然而，尽管以往提出的交通拥堵预测方法取得了不少成果，但它们仍然存在着各种各样的局限性。现有的交通拥堵预测相关研究主要集中在监控设备的视频图像处理方面，基于监控设备获取的视频图像进行车辆识别，进而计算车辆密度、道路空间占有率等相关指标来判断交通运行状态。但是由于视频图像数据量大、清晰度参差不齐，导致图像传输时延较大、图像识别精度不高，使拥堵预测的实时性、便捷性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交通流量特征提取与分类的交通拥堵预测方法，其特征在于，包括以下步骤：(1)数据提取与划分：提取路侧基站记录的交通数据，包括日期、时刻、交通流量和空间占有率，根据日期对提取的交通数据进行划分；(2)绘制交通流量时序图：包括交通流量序列提取、时序特征矩阵提取和热力图图像转化；(3)拥堵阶段分类：根据步骤(1)采集的空间占有率将交通流量时序图划分为拥堵发生前、拥堵过程和未发生拥堵三类图像；(4)图像特征提取与分类：将交通流量时序图作为卷积神经网络的输入，将步骤(3)得到的拥堵阶段分类作为卷积神经网络的输出，训练卷积神经网络能够充分提取图像特征并识别交通拥堵阶段；(5)交通拥堵识别及预测：将目标流量时序图输入训练好的卷积神经网络模型，识别目标流量时序图所处的交通拥堵阶段，并预测未来时段是否会发生交通拥堵。2.根据权利要求1所述基于交通流量特征提取与分类的交通拥堵预测方法，其特征在于，在步骤(1)中，时刻数据精确至秒，交通流量以当量标准小汽车为单位，空间占有率的数据格式为精确至百分位的小数。3.根据权利要求1所述基于交通流量特征提取与分类的交通拥堵预测方法，其特征在于，步骤(2)的具体过程如下：(2
‑
1)交通流量序列提取：将步骤(1)中每个日期检测到的交通流量按照时刻进行排序，得到交通流量序列；(...

【专利技术属性】
技术研发人员：王炜，陈昱秋，刘仁达，潘杰，于维杰，周伟，李欣然，
申请(专利权)人：东南大学，
类型：发明
国别省市：