考虑建筑场所影响的城市路网交通流预测方法及系统技术方案

本发明专利技术公开了一种考虑建筑场所影响的城市路网交通流预测方法及系统，将交通流时间序列分解为过车量、场所出车量以及场所入车量时间序列；构建上、下游交叉口间的车道交通流权重分配模型；采用谱分析法确定场所出车量的周期性以及上游交叉口各车道场所入车量的周期性，对于周期性明显的序列，采用时间序列模型预测动态成分，与周期成分结合确定场所出车量和各车道场所入车量，对于周期性不明显的序列，采用时间序列模型预测场所出车量和各车道场所入车量；计算各车道过车量，结合上、下游交叉口间的车道交通流权重分配模型，预测到达下游的过车量；计算目标路段下游到达量。本发明专利技术使得最终的交通流预测结果更准确且贴合实际。使得最终的交通流预测结果更准确且贴合实际。使得最终的交通流预测结果更准确且贴合实际。

【技术实现步骤摘要】
考虑建筑场所影响的城市路网交通流预测方法及系统


[0001]本专利技术涉及交通预测、交通系统建模分析等
，特别涉及一种考虑建筑场所影响的城市路网交通流预测方法及系统。

技术介绍

[0002]随着科技水平的不断进步，机动车保有量迅速增长，城市道路与机动车的供需关系愈加不平衡，交通拥堵问题日益严重。作为智能交通系统系统的重要组成部分，准确预测城市路网道路交通流对于准确估计交通状态，提高交通管理水平和解决拥堵具有重要意义。
[0003]在目前现有的研究中，已经开发出一系列通过获取历史数据预测城市路网交通流的方法及模型。然而大多数情况下，这些方法忽略了城市路网的空间特性。相比于高速公路，城市路网的空间拓扑结构更为复杂，存在大量大型建筑场所，例如企业、商场、居民区等。这些大型建筑场所会对城市路网交通流产生特定的影响。因此，在预测城市路网交通流时，需要考虑建筑场所对交通流影响，进一步提升预测准确度，进而帮助交管部门提前制定短时交通管制措施以及帮助出行者了解路网运行状况并进行路径规划，从而有效改善交通拥堵状况。

技术实现思路

[0004]本专利技术的目的在于提供一种虑建筑场所影响的城市路网交通流预测方法及系统，改善对城市路网交通系统模型笼统的整体性分析方法，克服对城市路网交通模型认知单一的缺点。
[0005]实现本专利技术目的的技术解决方案为：一种考虑建筑场所影响的城市路网交通流预测方法，步骤如下：
[0006]步骤1，获得预测路段在建模时段内的上、下游历史车牌识别数据；
[0007]步骤2，选取固定的时间步长，将车牌识别数据预处理为此步长的交通流时间序列；
[0008]步骤3，根据预测路段上、下游车牌识别数据，将交通流时间序列分解为过车量、场所出车量以及场所入车量时间序列；
[0009]步骤4，构建上、下游交叉口间的车道交通流权重分配模型；
[0010]步骤5，采用谱分析法确定场所出车量的周期性以及上游交叉口各车道场所入车量的周期性，对于周期性明显的序列，采用时间序列模型预测动态成分，与周期成分结合确定场所出车量和各车道场所入车量，对于周期性不明显的序列，采用时间序列模型预测场所出车量和各车道场所入车量；
[0011]步骤6，根据上游各车道交通流检测量和各车道场所入车量，计算各车道过车量，结合上、下游交叉口间的车道交通流权重分配模型，预测到达下游的过车量；
[0012]步骤7，根据到达下游的过车量和场所出车量，计算目标路段下游到达量。
[0013]进一步的，步骤2中，选取固定的时间步长，具体方法为：
[0014]选取上、下游信号灯周期长度的公倍数，亦或者上游或下游信号灯周期长度的整数倍作为时间步长。
[0015]进一步的，步骤3中，根据预测路段上、下游车牌识别数据，将交通流时间序列分解为过车量、场所出车量以及场所入车量时间序列，具体方法为：
[0016]遍历与目标路段存在连接关系的车道，判断是否为混合车道；
[0017]若为单方向车道，则对比该车道进口道每个时间步长内检索的车牌号与目标路段下游卡口在该步长内及之后若干步长内检索的车牌号，仅在上游车道检测到但未在下游检出的车牌号数量为该步长内该车道在目标路段的建筑场所入车量，重复出现的车牌号的数量为该车道在预测路段的过车量；
[0018]若为混合车道，则对比该车道进口道每个时间步长内检索的车牌号与所有与该混合车道存在连接关系的路段下游卡口在该步长内及之后若干步长内检索的车牌号，仅在上游车道检测到但未在下游检出的车牌号数量为该步长内该车道在所有与该混合车道存在连接关系的路段的总建筑场所入车量，重复出现的车牌号的数量为该车道在所有与该混合车道存在连接关系的路段的总过车量；
[0019]将每个时间步长内的下游车牌识别数据与该步长及之前若干步长内的上游车牌识别数据进行对比，仅在道路下游出现到但未在上游车道检出的车牌号数量为该道路的场所出车量；
[0020]所述若干步长的时间总和应大于道路平均通行时间。
[0021]进一步的，步骤4中，构建上、下游交叉口间的车道交通流权重分配模型，具体方法为：
[0022]所述上、下游交叉口间的车道交通流权重分配模型为多元线性回归模型，模型的因变量为路段下游交叉口的过车量，自变量为路段上游交叉口与预测路段存在连接关系的各车道的过车量，表达形式如下：
[0023][0024]式中，为通过上游交叉口各车道到达预测路段下游的车辆数，为单方向车道中到达对应方向道路下游的车辆数，为混合方向车道中到达对应多方向道路下游的车辆数，f为车道交通流权重分配模型中因变量与自变量的对应法则，θ
i
为各车道在预测路段的过车量权重系数。
[0025]进一步的，对场所出车量序列和单方向车道、混合车道入车量序列和单方向车道、混合车道入车量序列进行傅里叶变换，计算其频谱主极大值点和次极大值以及主极大值点和次极大值对应的时域值，当主极大值大于次极大值的1.5倍时，则认为主极大值所在的频率点对应的时域值具有明显的周期性，否则，则认为其不具有明显的周期性；
[0026]对于具有明显周期性场所历史出、入车量的车道，其场所历史出、入车量由周期成分和动态成分组成，表示为：
[0027][0028]其中和分别为预测道路场所出车量的周期成分和动态成分，和分别为单方向车道在预测路段场所的入车量的周期成分和动态成分，和分别为混合车道进入对应多方向道路旁建筑场所的入车量的周期成分和动态成分；
[0029]对于周期性明显的序列，采用ARIMA模型预测动态成分，与周期成分相加确定场所出车量和各车道场所入车量，对于周期性不明显的序列，采用ARIMA模型预测场所出车量和各车道场所入车量。
[0030]进一步的，步骤6中，根据上游各车道交通流检测量和各车道场所入车量，计算各车道过车量，结合上、下游交叉口间的车道交通流权重分配模型，预测到达下游的过车量，其中各车道检测量与各车道场所入车量的差即为各车道过车量的预测值。
[0031]进一步的，步骤7中，根据到达下游的过车量和场所出车量，计算目标路段下游到达量，其中到达下游的过车量与场所出车量之和即为目标路段下游到达量。
[0032]一种考虑建筑场所影响的城市路网交通流预测系统，基于所述的考虑建筑场所影响的城市路网交通流预测方法，实现考虑建筑场所影响的城市路网交通流预测。
[0033]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，基于所述的考虑建筑场所影响的城市路网交通流预测方法，实现考虑建筑场所影响的城市路网交通流预测。
[0034]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于所述的考虑建筑场所影响的城市路网交通流预测方法，实现考虑建筑场所影响的城市路网交通流预测。
[0035]本专利技术与现有技术相比，其显著优点为：1)充分考虑了城市路网空间拓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑建筑场所影响的城市路网交通流预测方法，其特征在于，步骤如下：步骤1，获得预测路段在建模时段内的上、下游历史车牌识别数据；步骤2，选取固定的时间步长，将车牌识别数据预处理为此步长的交通流时间序列；步骤3，根据预测路段上、下游车牌识别数据，将交通流时间序列分解为过车量、场所出车量以及场所入车量时间序列；步骤4，构建上、下游交叉口间的车道交通流权重分配模型；步骤5，采用谱分析法确定场所出车量的周期性以及上游交叉口各车道场所入车量的周期性，对于周期性明显的序列，采用时间序列模型预测动态成分，与周期成分结合确定场所出车量和各车道场所入车量，对于周期性不明显的序列，采用时间序列模型预测场所出车量和各车道场所入车量；步骤6，根据上游各车道交通流检测量和各车道场所入车量，计算各车道过车量，结合上、下游交叉口间的车道交通流权重分配模型，预测到达下游的过车量；步骤7，根据到达下游的过车量和场所出车量，计算目标路段下游到达量。2.根据权利要求1所述的考虑建筑场所影响的城市路网交通流预测方法，其特征在于，步骤2中，选取固定的时间步长，具体方法为：选取上、下游信号灯周期长度的公倍数，亦或者上游或下游信号灯周期长度的整数倍作为时间步长。3.根据权利要求1所述的考虑建筑场所影响的城市路网交通流预测方法，其特征在于，步骤3中，根据预测路段上、下游车牌识别数据，将交通流时间序列分解为过车量、场所出车量以及场所入车量时间序列，具体方法为：遍历与目标路段存在连接关系的车道，判断是否为混合车道；若为单方向车道，则对比该车道进口道每个时间步长内检索的车牌号与目标路段下游卡口在该步长内及之后若干步长内检索的车牌号，仅在上游车道检测到但未在下游检出的车牌号数量为该步长内该车道在目标路段的建筑场所入车量，重复出现的车牌号的数量为该车道在预测路段的过车量；若为混合车道，则对比该车道进口道每个时间步长内检索的车牌号与所有与该混合车道存在连接关系的路段下游卡口在该步长内及之后若干步长内检索的车牌号，仅在上游车道检测到但未在下游检出的车牌号数量为该步长内该车道在所有与该混合车道存在连接关系的路段的总建筑场所入车量，重复出现的车牌号的数量为该车道在所有与该混合车道存在连接关系的路段的总过车量；将每个时间步长内的下游车牌识别数据与该步长及之前若干步长内的上游车牌识别数据进行对比，仅在道路下游出现到但未在上游车道检出的车牌号数量为该道路的场所出车量；所述若干步长的时间总和应大于道路平均通行时间。4.根据权利要求1所述的考虑建筑场所影响的城市路网交通流预测方法，其特征在于，步骤4中，构建上、下游交叉口间的车道交通流权重分配模型，具体方法为：所述上、下游交叉口间的车道交通流权重分配模型为多元线性回归模型，模型的因变量为路段下游交叉口的过车量，自变量为路段上游交叉口与预测路段存在连接关系的各车道的过车量，表达形式如下：
式中，为通过上游交叉口各车道到达预测路段下游的车辆数，为单方向...

【专利技术属性】
技术研发人员：张伟斌，张帅，刘小秋，
申请(专利权)人：金岩展云信息技术南京有限公司，
类型：发明
国别省市：