【技术实现步骤摘要】
一种基于大数据的城市交通管理系统及方法
[0001]本专利技术涉及城市交通管理
，具体为一种基于大数据的城市交通管理系统及方法。
技术介绍
[0002]步入二十一世纪，我国的城市化进程日益加速，城市规模随之增大，域市居民的收入和生活水乎也得到大幅度提高。随之而来的是越来越快的生活节奏、越来越强的时间观念、越来越远的出行距离、私家车的数量越来越多、城市与城市间、城市与腹地区域间经济联系和人员往来更加频繁，交通需求的大幅增长对城市现有的交通设施产生极大的压力。而当前，交通设施的发展总体上跟不上交通需求的增长速度，于是产生了交通拥堵问题，且日益严重，这不仅给人们正常的工作、学习和生活带来不便，也导致资源的浪费，影响到居住环境、空气质量以及城市的健康快速发展。
[0003]我国城市化进程加快，私人小汽车拥有量迅速增加，居民出行总量稳步增长，出行距离快速增加。造成交通拥堵的主要原因有：(1)我国城市普遍存在停车场严重不足问题，很多城市没有规范的停车场，致使机动车乱停乱放的现象普遍，在一定程度上造成了交通拥堵。(2)车多路...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的城市交通管理方法，其特征在于，该方法包括以下步骤：S1：获取道路历史停车数据，构建道路停车预测模型，预测道路下一周期的道路停车预测值；S2：获取道路车流量历史数据，构建道路车流量预测模型，预测道路下一周期的道路车流量预测值；S3：根据道路下一周期的道路停车预测值和道路车流量预测值得出道路交通拥堵预测数值；S4：构建城市交通管理模拟平台，设置道路交通拥堵阈值，当道路交通拥堵预测数值超出道路交通拥堵阈值时，调度公交车。2.根据权利要求1所述的一种基于大数据的城市交通管理方法，其特征在于：在步骤S1中，构建道路停车预测模型包括：获取道路历史停车数据，所述道路历史停车数据包括国内道路的历史停车数据以及监测道路的历史停车数据；所述道路的历史停车数据包括停车开始时间、停车结束时间、停车数量、停车时长、停车位置；所述周期以小时为单位，一小时为一个周期，时间t为周期数；获取时间数列X＝(X
t
，X
t
‑1，...，X
t
‑
N+1
)，作为模型输入；一次移动平均值为：其中，S
t
为第t期的一次移动平均值，X
t
为第t期的观测值，N为移动的平均期数；对时间序列的一次移动平均值进行第二次移动平均得到二次移动平均值为：道路停车预测模型为：S
t+M
＝A
t
+B
t
*MA
t
＝2S
t
‑
H
t
其中，A
t
为截距，即第t期现象的基础水平，B
t
为斜率，即第t期现象单位时间的变化量，M为未来预测的期数，S
t
为第t期的一次移动平均值，H
t
为第t期的二次移动平均值，S
t+M
为第t+M期道路停车的预测值。3.根据权利要求1所述的一种基于大数据的城市交通管理方法，其特征在于：在步骤S2中，构建道路车流量预测模型包括：获取道路历史车流量数据，所述道路历史车流量数据包括国内道路的历史车流量数据以及监测道路的历史车流量数据；所述周期以小时为单位，一小时为一个周期，时间t为周期数；获取时间数列Y＝(y1，y2，...，y
n
)，作为模型输入；一次指数平滑公式为：
S
t(1)
＝ay
t
+(1
‑
a)S
t
‑
1(1)
其中，S
t(1)
为第t期的一次指数平滑值，y
t
为第t期的观测值，S
t
‑
1(1)
为第t
‑
1期的一次指数平滑值，a为平滑指数；二次指数平滑公式为：S
t(2)
＝S
t(1)
+(1
‑
a)S
t
‑
1(2)
其中，S
t(2)
为第t期的二次指数平滑值，S
t
‑
1(2)
第t
‑
1期的二次指数平滑值，a为平滑指数；道路车流量预测模型为：Y
t+T
＝a
t
+b
t
*Ta
t
＝2S
t(1)
‑
S
t(2)
其中，a
t
为截距，即第t期的基础水平，b
t
为斜率，即第t期单位时间的变化量，T为预期超前期数；Y
t+T
为时间为第t+T期道路车流量的预测值。4.根据权利要求1所述的一种基于大数据的城市交通管理方...
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。