一种高速公路收费站拥堵时间预测方法及装置制造方法及图纸

本发明专利技术提供了一种高速公路收费站拥堵时间预测方法及装置，用于对高速公路收费站拥堵时间进行短临预测，并指导管控信息发布。所述方法包括：利用传感器系统获得收费站特定位置的车流参数；将上述参数与开放车道数、防疫信息检查时间等固定参数生成输入数据集，并依据时间顺序将数据整理为三维格式；搭建分段式拥堵时间预测模型，针对同一时刻不同场景的数据，使用卷积网络进行特征提取，并将提取结果作为输入数据，使用长短时记忆模型进行特征分析与结果预测，建立预测模型；根据预测模型，使用实时采集数据作为输入对未来一段时间进行交通流动态预测；根据当前收费站交通状况与未来短临交通流进行拥堵时间预测，并采取相应的管控措施。管控措施。管控措施。

【技术实现步骤摘要】
一种高速公路收费站拥堵时间预测方法及装置


[0001]本专利技术涉及智慧交通研究领域，具体而言，涉及一种高速公路收费站拥堵时间预测方法及装置。

技术介绍

[0002]近年来，高速公路收费站拥堵的情况极大增加，国家要求进一步加强高速公路保通保畅和路侧附属设施的智慧化改造试点工作，保障高速公路交通流合理调度。故拟采用合理的传感器布设方案，获取高速公路收费站的车流量信息，并对拥堵时间进行预测与提示，使广大群众有更好的科技获得感和出行体验感。
[0003]现有针对高速公路收费站拥堵预测的方案大多以ETC数据为基础进行车流量及拥堵预测，但是ETC数据具有一定的延迟性，且未加装ETC设备的车辆仍占一定比例，所以基于ETC数据预测所产生的结果有较大的误差，不能准确指导高速公路收费站的信息发布。

技术实现思路

[0004]基于上述问题，本专利技术实施例提供一种高速公路收费站拥堵时间预测方法及装置，以克服或至少部分的解决现有技术所存在的收费站拥堵预测不准确，信息发布困难的问题。
[0005]依据本专利技术的第一方面，提供一种高速公路收费站拥堵时间预测方法，包括：
[0006]利用传感器系统获得收费站特定位置的车流参数，包括入口流量、出口流量、平均车速、车辆排队长度等；
[0007]将上述参数与开放车道数、防疫信息检查时间等固定参数生成输入数据集，并依据时间顺序将数据整理为三维格式；搭建分段式拥堵时间预测模型，针对同一时刻不同场景的数据，使用卷积网络进行特征提取，并将提取结果作为输入数据，使用长短时记忆模型进行特征分析与结果预测，建立预测模型；
[0008]根据建立的预测模型，使用当前行驶状况与未来交通流动态预测进行拥堵时间预测，并采取相应的发布管控措施。
[0009]进一步地，高速公路收费站车流参数采集场景应针对高速公路收费站出站口环境设定数据采集截面，合理布置传感器组合，主要采集场景为站前广场入口、收费口、疫情检查口。
[0010]进一步地，利用传感器系统获得收费站特定位置的车流参数。传感器系统包括高清摄像头、毫米波雷达及激光车检器，通过组合布置采集每条车道车流信息，并计算相关车流参数，包括入口流量、出口流量、平均车速、车辆排队长度等。
[0011]对采集到的数据进行预处理，使用离散滤波算法去除错误数据，并完成时序统一。
[0012]进一步地，将输入参数与开放车道数、防疫信息检查时间等固定参数生成输入数据集，并按照时序整理为三维格式，包括：
[0013]将同一时间戳的交通参数按照采集截面、车道的顺序进行排列，并将此时刻开放
车道数、防疫信息检查时间等固定参数加入数据集，生成一个二维数组，数组中拥有此时刻拥堵情况特征；
[0014]按照时序将所述多个二维数组整理成三维结构，在数据中加入时序特征。
[0015]进一步地，搭建分段式拥堵时间预测模型，针对同一时刻不同场景的数据，即三维数据的每一层，使用卷积网络进行特征提取，包括：
[0016]建立空洞卷积块，根据数据集结构，使用大小为3
×
3的卷积模块作为基础卷积核，分别以1，2，3作为空洞大小，构造空洞卷积核；
[0017]将空洞卷积结果输入批量归一化层，进行Sigmoid激活，得到空洞卷积结果，完成一个空洞卷积块的构造，卷积核提取的特征大小由下式计算：
[0018][0019][0020]式中，(n1，m1)为特征图的大小，(n，m)为输入数据的大小，p为卷积核移动的步长，(k1，k2)为卷积核的大小，s为特征图填充的像素数；
[0021]使用三个所述空洞卷积块构成空洞卷积通道，将输入数据集依次经过三个空洞卷积块，完成空洞卷积计算；
[0022]在空洞卷积之后使用1x1卷积，增加模型的非线性表达能力，得到空洞卷积最终的输出；
[0023]进一步地，将空洞卷积提取结果作为输入数据，使用长短时记忆模型进行时序特征分析与结果预测，建立预测模型，包括：
[0024]建立长短时记忆模型，模型由输入门、遗忘门、输出门组成，其输出为当前计算结果传递给下一时刻的特征结果，其由下式计算：
[0025]h
t
＝σ(V
o
[h
t
‑1，x
t
]+b
o
)tanh(C
t
)
[0026]其中，h
t
为本次输出，h
t
‑1为上一时刻输出，σ为sigmoid函数，x
t
为本次输入，b
o
为常数，C
t
为中间向量；
[0027]将空洞卷积后的数据输入上述模型，得到最终的预测模型。
[0028]进一步地，使用大量已采集数据作为输入数据进行模型训练，直至模型的准确率达到一定标准，将建立的预测模型固化于拥堵时间预测单元中，根据建立的预测模型，使用实时采集数据作为输入对未来一段时间进行交通流动态预测。
[0029]进一步地，根据当前行驶状况与未来交通流动态预测进行拥堵时间预测，并采取相应的发布管控措施。
[0030]依据本专利技术的第二方面，提供一种高速公路收费站拥堵时间预测装置，包括：传感器驱动单元，拥堵时间预测单元，通信单元；
[0031]所述传感器驱动单元，用于驱动多源传感器系统实现采集功能，并对采集数据进行时序统一、数据组合，得到三维数据集；
[0032]所述拥堵时间预测单元，用于使用所述三维数据集，依靠预测模型对短期内拥堵时间进行预测；
[0033]所述通信单元，用于传感器单元及拥堵时间预测单元间的数据通信。
[0034]依据本专利技术的第三方面，提供一种计算机可读存储介质，其上存储有相关计算机程序指令，所述计算机指令用于使所述计算机执行上述预测方法。
[0035]本专利技术的上述技术方案的有益效果如下：
[0036]上述方案中，通过多源传感器系统采集实时交通流数据，相比使用ETC 数据统计车流根据实时性与准确性；使用卷积网络与长短时记忆模型组合进行拥堵时间预测，实现车道级、短时间段内交通流数据信息挖掘与拥堵情况短临预测，并缩小了网络体量，减少算法计算运行时间，提升结果实时性。
附图说明
[0037]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0038]图1为本专利技术实施例一种高速公路收费站拥堵时间预测方法的流程示意图；
[0039]图2为本专利技术实施例一种高速公路收费站拥堵时间预测方法的传感系统布置示意图；
[0040]图3为本专利技术实施例一种高速公路收费站拥堵时间预测装置的结构示意图；
[0041]图4为本专利技术实施例提供的拥堵时间预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路收费站拥堵时间预测方法，其特征在于，包括以下步骤：搭建适配输入数据的传感器系统，获得收费站特定位置的车流参数；将上述参数与开放车道数和防疫信息检查时间固定参数生成输入数据集，并依据时间顺序将数据整理为三维格式，搭建分段式拥堵时间预测模型，针对同一时刻不同场景的数据，使用卷积网络进行特征提取，并将提取结果作为输入数据，使用长短时记忆模型进行特征分析与结果预测，建立预测模型；根据建立的预测模型，使用当前行驶状况与未来交通流动态预测进行拥堵时间预测，并采取相应的发布管控措施。2.根据权利要求1所述的一种高速公路收费站拥堵时间预测方法，其特征在于，搭建适配输入数据的传感器系统，获得收费站特定位置的车流参数，包括以下步骤：针对高速公路收费站出站口环境，设定数据采集截面，包括匝道口、站前广场入口、收费口和疫情检查口；在数据采集截面使用传感器获取相应交通流信息，所述车流参数包括入口流量、出口流量、平均车速和车辆排队长度；对采集到的数据进行预处理，使用离散滤波算法去除数值偏离较大的数据。3.根据权利要求1所述的一种高速公路收费站拥堵时间预测方法，其特征在于，将上述参数与开放车道数和防疫信息检查时间固定参数生成输入数据集，并依据时间顺序将数据整理为三维格式，搭建分段式拥堵时间预测模型，针对同一时刻不同场景的数据，使用卷积网络进行特征提取，并将提取结果作为输入数据，使用长短时记忆模型进行特征分析与结果预测，建立预测模型，包括以下步骤：将同一时间内的采集数据按照采集截面、车道的顺序进行排列生成一个二维数组；按照时序将所述多个二维数组整理成三维结构，在数据中加入时序特征；建立空洞卷积块，使用大小为3
×
3的卷积模块作为基础卷积核，分别以1,2,3作为空洞大小，构造空洞卷积核，并将空洞卷积结果输入批量归一化层，再进行Sigmoid激活，得到空洞卷积结果，完成一个空洞卷积块的构造，卷积核提取的特征大小由下式计算：洞卷积结果，完成一个空洞卷积块的构造...

【专利技术属性】
技术研发人员：牛秉青，吴宏涛，周丽军，周晓旭，孟颖，刘博，薛春明，孙贝，段英杰，岳鹏程，谢昊良，傅凯，张博森，杨永杰，郭俊凯，孟利强，吕永萍，付玉强，王帅，王宁，
申请(专利权)人：山西省智慧交通研究院有限公司，
类型：发明
国别省市：