一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质技术

本发明专利技术涉及一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质，包括：(1)数据收集，包括：路网数据、路况速度、OD数据、日期时间、管控措施；(2)构建决策树模型：A、获取决策树模型数据，包括属性数据和目标数据；B、构建决策树模型；C、决策树模型更新；(3)通过决策树模型进行实时监控；本发明专利技术解决了目前快速路匝道控制的缺点：手动、反应不及时、容易使拥堵蔓延恶化等等。该发明专利技术为城市交通管理、城市拥堵缓解提供了支持。城市拥堵缓解提供了支持。城市拥堵缓解提供了支持。

A method, equipment and storage medium for intelligent automatic control of urban elevated expressway ramp based on multi-source data

【技术实现步骤摘要】
一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质


[0001]本专利技术涉及城市道路交通控制管理领域，尤其涉及一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质。

技术介绍

[0002]当前城市道路拥堵现象越发严重，城市道路交通管理控制，是涉及到人民生活办公的重要领域，尤其是高架快速路，在城市道路交通中，承担了重要的组成部分。
[0003]传统的高架快速路管控方式，主要是由管理人员人工监控高架的路况情况，如果某条道路发生拥堵，判断是什么原因造成拥堵，应该采取哪些管控措施，例如，关闭上游入口匝道，延长出口匝道下方的绿灯时间。
[0004]但是传统的管控方式，存在一些缺点，一是需要人工观察，耗费人力；二是判断比较主观，不同的管控人员会做出不同的决定；三是反映不够及时，可能造成拥堵蔓延由于城市的高架快速路越来越多，拥堵程度越来越严重，传统的方式就更加的无法适应当前的交通形势。
[0005]当前，现有技术中也有用来进行高架桥的控制的，不过手段比较粗糙，例如，只是自动判断是否封闭匝道。

技术实现思路

[0006]针对现有技术的不足，本专利技术提供了一种基于多源数据的城市高架快速路匝道智能自动控制的方法。
[0007]本专利技术实时监控道路路况、车流、上下游路况、出入口匝道路况与车流、及参考当时的日期时刻等实时数据，通过模型算出控制方案：需要采取措施、采取何种措施，并预测下个时段的车流状况，通过优化算法对当前控制方案进行优化，然后把指令自动传达辖区。以快速的对路网的拥堵情况作出反应和管控，缓解拥堵，使城市交通更加顺畅。
[0008]本专利技术对于数据的收集更加多源，融合了各种影响交通拥堵的因素；对于匝道的控制更加精确细致，例如可以判断是否封闭入口匝道、是否延长匝道出口的绿灯时间或者对两种方式进行组合使用，这样可以对不同的交通态势进行更恰当的对应；并运用预测算法对车流进行短时预测，优化当前方案以适应后续车流。因此，本专利技术可以更加准确的判别当前与后续的交通状态、更加精确的确定匝道控制方式、使车流更加顺畅。
[0009]本专利技术还提供了一种计算机设备及存储介质。
[0010]术语解释：
[0011]1、道路路况：即道路速度，在道路交通实际条件下，单位时间通过某路段断面的行车速度。
[0012]2、流量：在道路交通实际条件下，单位时间通过某道路(或路段)断面的实际交通量。
[0013]3、路段属性：表征路段特征的属性集合，本研究中采用的是路段的等级、路段包含的车道数及路段周围热点poi种类及个数的属性集合。
[0014]4、高架快速路:城市内封闭道路，通过出入口匝道与普通地面城市道路连接。
[0015]5、OD交通量：OD交通量就是指起终点间的交通出行量。“O”来源于英文ORIGIN，指出行的出发地点,“D”来源于英文DESTINATION，指出行的目的地点.
[0016]6、决策树：是在已知各种情况发生概率的基础上，通过构成决策树来求取当前期望值大于等于零的概率。
[0017]本专利技术的技术方案为：
[0018]一种基于多源数据的城市高架快速路匝道智能自动控制的方法，包括：
[0019](1)数据收集，包括：路网数据、路况速度、OD数据、日期时间、管控措施；
[0020]路网数据是指基础路网的拓扑数据，包括各个高架路段之间的上下游关系、高架出口、高架入口、高架出入口与高架路段的关系、高架与辅路的关系，并计入属性数据库；
[0021]路况速度是指每条路段的历史路况速度、实时路况速度；
[0022]OD数据是指：卡口设备实时监控高架及各个高架出入口的汽车流量，并识别汽车车牌，把这些数据进行记录并进行分析，得到各个高架路之间、高架路各个出入口之间的OD交通量；
[0023](2)构建决策树模型
[0024]A、获取决策树模型数据，包括属性数据和目标数据；
[0025]属性数据包括：道路名称、道路类型、道路等级、车道数量、上游道路、下游道路、最近入口匝道、最近出口匝道、道路速度、上游速度、下游速度、入口速度、出口速度、流量、出入口OD数据、年、月、日、星期、小时；
[0026]目标数据是指管控措施，具体包括：是否拥堵、拥堵原因、是否采取措施、采取何种管控措施：包括关闭入口匝道、延长出口匝道绿灯、延长时间；
[0027]B、构建决策树模型；
[0028]C、决策树模型更新
[0029]根据不断获得更新的属性数据、目标数据，定期将更新的属性数据、目标数据输入到决策树模型，重新训练，得到新的决策树模型参数；
[0030](3)通过决策树模型进行实时监控
[0031]对于每一条高架路，得到道路的静态特征，包括：道路名称、道路类型、道路等级、车道数量、上游道路、下游道路、最近入口匝道、最近出口匝道；
[0032]然后实时获取动态信息，包括：道路速度、上游速度、下游速度、入口速度、出口速度、流量、出入口OD数据、年、月、日、星期、小时；
[0033]将道路的静态特征和动态信息输入训练好的决策树模型中，计算出结果方案，结果方案包括：是否拥堵、拥堵原因、是否采取措施、采取何种管控措施。
[0034]进一步优选的，步骤B中，决策树模型f0(x)如式(Ⅰ)所示：
[0035][0036]式(Ⅰ)中，L(y
i
,c)是指损失函数，c是指整棵决策树；
[0037]把收集到的属性数据、目标数据即训练数据集(x1,y1),(x2,y2),...(xi,yi),...
(xN,yN)输入到决策树模型f0(x)，xi是指属性数据，yi目标数据；
[0038]决策树模型f0(x)根据输入的属性数据、目标数据进行参数优化，得到最小值的决策树模型f0(x)的参数，即为训练好的决策树模型f0(x)；
[0039]根据本专利技术优选的，步骤(3)之后，进行车流预测并优化控制方案，具体是指：
[0040]D、车流短时预测；
[0041]E、决策树模型结果优化
[0042]根据步骤(3)得到的结果方案，将得到的预测车流输入到当前结果方案中，计算总停车次数与总延误时间的加权和，作为PI；
[0043]通过爬山法不断微调结果方案，对决策树模型进行优化，以求得最低的PI，那么对应的控制方案即为最优方案。
[0044]进一步优选的，步骤D中，采用自回归模型，如式(Ⅱ)所示：
[0045][0046]式(Ⅱ)中，m是指自回归阶数，a
i
是指时段i的自回归系数，w
n
是指白色噪声，q
n
是指车流量；
[0047]通过历史数据的回归系数，通过式(Ⅱ)对下个时段的车流量进行预测，得到下个时段车流量：q。
[0048]进一步优选的，根据步骤(3)得到的结果方案，将得到的预测车流q输入到当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据的城市高架快速路匝道智能自动控制的方法，其特征在于，包括：(1)数据收集，包括：路网数据、路况速度、OD数据、日期时间、管控措施；路网数据是指基础路网的拓扑数据，包括各个高架路段之间的上下游关系、高架出口、高架入口、高架出入口与高架路段的关系、高架与辅路的关系，并计入属性数据库；路况速度是指每条路段的历史路况速度、实时路况速度；OD数据是指：卡口设备实时监控高架及各个高架出入口的汽车流量，并识别汽车车牌，把这些数据进行记录并进行分析，得到各个高架路之间、高架路各个出入口之间的OD交通量；(2)构建决策树模型A、获取决策树模型数据，包括属性数据和目标数据；属性数据包括：道路名称、道路类型、道路等级、车道数量、上游道路、下游道路、最近入口匝道、最近出口匝道、道路速度、上游速度、下游速度、入口速度、出口速度、流量、出入口OD数据、年、月、日、星期、小时；目标数据是指管控措施，具体包括：是否拥堵、拥堵原因、是否采取措施、采取何种管控措施：包括关闭入口匝道、延长出口匝道绿灯、延长时间；B、构建决策树模型；C、决策树模型更新根据不断获得更新的属性数据、目标数据，定期将更新的属性数据、目标数据输入到决策树模型，重新训练，得到新的决策树模型参数；(3)通过决策树模型进行实时监控对于每一条高架路，得到道路的静态特征，包括：道路名称、道路类型、道路等级、车道数量、上游道路、下游道路、最近入口匝道、最近出口匝道；然后实时获取动态信息，包括：道路速度、上游速度、下游速度、入口速度、出口速度、流量、出入口OD数据、年、月、日、星期、小时；将道路的静态特征和动态信息输入训练好的决策树模型中，计算出结果方案，结果方案包括：是否拥堵、拥堵原因、是否采取措施、采取何种管控措施。2.根据权利要求1所述的一种基于多源数据的城市高架快速路匝道智能自动控制的方法，其特征在于，步骤B中，决策树模型f0(x)如式(Ⅰ)所示：式(Ⅰ)中，L(y
i
,c)是指损失函数，c是指整棵决策树；把收集到的属性数据、目标数据即训练数据集(x1,y1),(x2,y2),...(xi,yi),...(xN,yN)输入到决策树模型f0(x)，xi是指属性数据，yi目标数据；决策树模型f0(x)根据输入的属性数据、目标数据进行参数优化，得到最小值的决策树模型f0(x)的参数，即为训练好的决策树模型f0(x)。3.根据权利要求1所述的一种基于多源数据的城市高架快速路匝道智能自动控制的方法，其特征在于，步骤(3)之后，进行车流预测并优化控制方案，具体是指：D、车流短时预测；E、决策树...

【专利技术属性】
技术研发人员：胡颖，潘述亮，刘鹏，滑树阳，丁大江，
申请(专利权)人：北京世纪高通科技有限公司，
类型：发明
国别省市：