一种基于节假日拥堵预测算法的预警方法及系统技术方案

本发明专利技术提供了一种基于节假日拥堵预测算法的预警方法及系统，该方法先获取交通数据集并进行预处理，将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，形成完整交通数据集，再选择预设的数据粒度并采用节假日拥堵预测算法建立ST

【技术实现步骤摘要】
一种基于节假日拥堵预测算法的预警方法及系统


[0001]本专利技术涉及智慧公路
，具体涉及一种基于节假日拥堵预测算法的预警方法及系 统。

技术介绍

[0002]近年来，随着社会经济的持续发展以及城市建设的逐步完善，人们往返于城市之间日趋 频繁，运行在高速公路上的车辆也越来越多，因此如何利用已有的交通量信息和资源对上述 问题进行有效解决，防止交通运行恶化从而保证高速公路的畅通运行，成为目前高速公路迫 切需要解决的问题。
[0003][0004]高速公路交通拥堵日趋加剧的根本原因主要有两方面，一方面是高速公路交通管理部门 缺乏对网状交通状态变化趋势的整体把握，因而无法进行有效的交通管控和疏导；另一方面在 于出行者不清楚实时路况的变化，盲目驾驶从而导致交通拥堵的发生。而准确把握交通状态 和实时路况变化趋势的关键在于对交通流量变化趋势的有效预测，因此要实现对高速公路的 有效管理，减少交通拥堵和交通事故的发生，其重点在于对高速公路交通流量的准确预测。
[0005]节假日与日常出行相比有出行流量大、出行距离较长的差异，因而节假日的交通拥堵与 日常拥堵相比会有发生频率高、拥堵时间长、影响路段长的特点。利用准确的节假日拥堵信 息可以通过提前部署高速管理资源达到快速处置和交通流的动态调控进行管理。
[0006]从上世纪中叶开始国外就已经有学者利用其它领域的一些预测方法对节假日拥堵情况 进行预测，大约在上个世纪八十年代，我国一些学者也相继开始在交通流领域进行深入研究， 迄今为止，国内外已经出现了许多较成熟的预测方法。这些预测方法大致可以分为下几类:基 于线性系统理论的预测方法、基于非线性系统理论的预测方法、基于数据训练的智能预测以 及基于组合方式的预测方法。上述这些模型考虑了时间特征而忽略了空间依赖性，使得交通 数据的变化不受城市路网的约束，无法准确预测道路上的交通状况。充分利用时空相关性是 解决交通预测问题的关键。
[0007]在大数据时代，随着科学技术和数据的发展，不少学者将深度学习应用至节假日拥堵情 况的预测中，在基于神经网络的高速公路交通流预测研究中，建立了基于神经网络的交通流 预测模型，并取得了良好的效果。如在多维空间BP神经网络的节假日高速公路网节点拥堵 预测分析研究中，通过选取具有闭环反馈的多维空间BP神经网络建立了路网预测模型，并 通过具体试验和验证，预测值和真实值具有很好的拟合度。同时，在高速公路网运行监测若 干关键技术的研究中指出来交通监控硬件基础的关键技术，为交通流数据的采集和研究奠定 了坚实的基础。但其仍然存在着有效利用数据的范围太小，同时参数设置方面过多的依赖于 人工经验和调试等问题。

技术实现思路

[0008]为解决上述对节假日拥堵情况的预测过程中存在的一系列问题，本专利技术提供了一种基于 节假日拥堵预测算法的预警方法，通过融合时间特征、历史特征、空间位置变量以及高速公 路场景中的多源外部影响因素，采用节假日拥堵预测算法建立ST
‑
GCN模型分析预测未来某 段时间的交通拥堵路况，同时采用拥堵评价指标对所预测的交通拥堵路况进行评估，评估出 交通拥堵情况并推送至高速公路上布设的情报板进行展示并预警，及时处理突发拥堵事件并 合理疏导车流，从而有效提高高速公路的通行效率。本专利技术还涉及一种基于节假日拥堵预测 算法的预警系统。
[0009]本专利技术的技术方案如下：
[0010]一种基于节假日拥堵预测算法的预警方法，其特征在于，包括以下步骤：
[0011]数据获取及预处理步骤：获取交通数据集，并对获取的交通数据集进行预处理；
[0012]融合分析步骤：将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通 数据集进行融合，形成完整交通数据集；
[0013]模型建立步骤：根据完整交通数据集，选择预设的数据粒度，并采用节假日拥堵预测算 法进行空间相关性和时间相关性建模，建立ST
‑
GCN模型，并对建立的ST
‑
GCN模型进行训 练，得到最优ST
‑
GCN模型，根据最优ST
‑
GCN模型预测交通拥堵路况；
[0014]模型评估步骤：根据交通数据集中实际交通数据和预测的交通拥堵路况建立评估指标， 根据评估指标并采用对比模型对ST
‑
GCN模型进行评估，验证ST
‑
GCN模型为最优模型；
[0015]拥堵评估步骤：采用包括拥堵时空范围、拥堵点数量、拥堵团平均速度、拥堵团总交通 运行指数值和/或平均拥堵时空频率的拥堵评价指标对验证为最优模型的ST
‑
GCN模型所预测 的交通拥堵路况进行评估，评估出交通拥堵情况；
[0016]信息展示步骤：通过高速公路上布设的情报板将交通拥堵情况进行展示并预警。
[0017]优选地，所述模型评估步骤中，所述评估指标包括均方根误差、平均绝对误差和决定系 数，所述均方根误差和平均绝对误差用于测量预测的平均车速与实际平均车速误差，所述决 定系数用于衡量预测的平均车速结果所代表的实际平均车速能力。
[0018]优选地，所述融合分析步骤中，所述时间特征包括预测点日期和预测点时刻，所述历史 特征包括历史拥堵频率、历史平均交通运行指数值和历史拥堵团率，将时间特征、历史特征、 空间位置变量以及天气数据与预处理后的交通数据集进行融合，融合入训练数据集中，形成 完整交通数据集。
[0019]优选地，所述模型建立步骤中，所述ST
‑
GCN模型由图卷积网络、长短期记忆网路和注 意力机制三部分组成；
[0020]首先根据网络构建的邻接矩阵、根据POI构建的功能相似矩阵以及使用预处理后的高速 路网的实时和历史时间序列数据作为输入数据，并使用图卷积网络捕捉高速公路网络的拓扑 结构以获得空间关联特征，再将得到的具有空间关联特征的时间序列输入到长短期记忆网路 模型中，通过单元间的信息传递获得动态变化，以获取时间特征，然后通过全连接层和注意 力机制计算输入数据对当前预测产生的影响，以得到预测交通拥堵路况。
[0021]优选地，所述数据获取及预处理步骤中，所述预处理包括删除异常数据和重复数
据，填 补缺失数据，以及去除噪声和数据标准化。
[0022]优选地，所述模型评估步骤中，所述对比模型包括历史平均模型、自回归综合移动平均 模型、支持向量机模型、长短期记忆单元模型、图卷积网络模型、前馈神经网络和扩散卷积 循环神经网络的若干组合。
[0023]一种基于节假日拥堵预测算法的预警系统，其特征在于，包括数据获取及预处理模块、 融合分析模块、模型建立模块、模型评估模块、拥堵评估模块和信息展示模块，
[0024]数据获取及预处理模块：获取交通数据集，并对获取的交通数据集进行预处理；
[0025]融合分析模块：将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通 数据集进行融合，形成完整交通数据集；
[0026]模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于节假日拥堵预测算法的预警方法，其特征在于，包括以下步骤：数据获取及预处理步骤：获取交通数据集，并对获取的交通数据集进行预处理；融合分析步骤：将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，形成完整交通数据集；模型建立步骤：根据完整交通数据集，选择预设的数据粒度，并采用节假日拥堵预测算法进行空间相关性和时间相关性建模，建立ST
‑
GCN模型，并对建立的ST
‑
GCN模型进行训练，得到最优ST
‑
GCN模型，根据最优ST
‑
GCN模型预测交通拥堵路况；模型评估步骤：根据交通数据集中实际交通数据和预测的交通拥堵路况建立评估指标，根据评估指标并采用对比模型对ST
‑
GCN模型进行评估，验证ST
‑
GCN模型为最优模型；拥堵评估步骤：采用包括拥堵时空范围、拥堵点数量、拥堵团平均速度、拥堵团总交通运行指数值和/或平均拥堵时空频率的拥堵评价指标对验证为最优模型的ST
‑
GCN模型所预测的交通拥堵路况进行评估，评估出交通拥堵情况；信息展示步骤：通过高速公路上布设的情报板将交通拥堵情况进行展示并预警。2.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述模型评估步骤中，所述评估指标包括均方根误差、平均绝对误差和决定系数，所述均方根误差和平均绝对误差用于测量预测的平均车速与实际平均车速误差，所述决定系数用于衡量预测的平均车速结果所代表的实际平均车速能力。3.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述融合分析步骤中，所述时间特征包括预测点日期和预测点时刻，所述历史特征包括历史拥堵频率、历史平均交通运行指数值和历史拥堵团率，将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，融合入训练数据集中，形成完整交通数据集。4.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述模型建立步骤中，所述ST
‑
GCN模型由图卷积网络、长短期记忆网路和注意力机制三部分组成；首先根据网络构建的邻接矩阵、根据POI构建的功能相似矩阵以及使用预处理后的高速路网的实时和历史时间序列数据作为输入数据，并使用图卷积网络捕捉高速公路网络的拓扑结构以获得空间关联特征，再将得到的具有空间关联特征的时间序列输入到长短期记忆网路模型中，通过单元间的信息传递获得动态变化，以获取时间特征，然后通过全连接层和注意力机制计算输入数据对当前预测产生的影响，以得到预测交通拥堵路况。5.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，...

【专利技术属性】
技术研发人员：徐延军，袁逸涛，李小军，周涛，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：