一种基于在线仿真的道路拥堵诱导方法及管控系统技术方案

本发明专利技术提供一种基于在线仿真的道路拥堵诱导方法及管控系统，涉及交通运维技术领域，本发明专利技术方法包括如下步骤：S1、构建算法引擎；所述算法引擎包括预测引擎、仿真引擎与拥堵诱导引擎；S2、根据所述算法引擎预测交通出行量并仿真还原拥堵路段；S3、对所述拥堵路段诱导并仿真还原诱导；本发明专利技术方法提前预测全网高速公路交通出行量，尤其针对节假日拥堵状况，实现对于拥堵路段的“产生

【技术实现步骤摘要】
一种基于在线仿真的道路拥堵诱导方法及管控系统


[0001]本专利技术涉及交通运维
，具体涉及一种基于在线仿真的道路拥堵诱导方法及管控系统。

技术介绍

[0002]随着高速公路基础设施建设行业的发展和进步，高速公路逐渐成为出行者的重要出行途径，但是随着机动车保有量的快速增长，交通出行需求日益增加。加上高速公路旅途较长，不同于城市道路行程时间相对短的情况，在高速公路上极易出现交通事故，在节假日场景下，高速公路的不收费政策、大客流以及交通事故等情况极易导致高速公路的拥堵情况频发。因此，基于交通流量预测结合仿真针对节假日大客流场景下，进行预测节假日场景下的拥堵情况。在节假日前进行预测拥堵情况，便可以提前针对易拥堵路段进行提前发布情报板诱导信息结合发布节假日出行指南，以提升节假日场景下高速的通行效率。
[0003]由于传统拥堵预测是基于深度学习或机器学习，对于拥堵数据进行规律性的特征提取操作来训练模型，预测得出拥堵路段信息；因此传统拥堵预测常态的情况下，即无临时的突发管控事件发生，对于拥堵的预测效果较佳；但对于非常态情况下，如节假日的路段管控，路段施工，传统拥堵预测效果就会相对较差。
[0004]当前对于节假日的数据获取主要还是依赖于交通预测方法，交通预测方法则多数是由采集的数据完成数据预处理，之后基于深度学习或其他模型进行训练得出最优模型，进而得到预测模型，最后加上相关数据进行训练得出所要预测的数据。例如，申请号为CN202211637628.3的一种城市交通流量预测方法，通过采集实时数据并进行预处理，通过输入预处理后的数据构建预测模型并进行反复训练，再通过误差函数计算预测误差将预测模型更新至最佳，能有效提高交通流量预测的准确性。该方法在内的这类方法对于前置数据依赖性较高，对于使用交通预测方法进行获取拥堵情况，需要基于交通事件、拥堵和站点流量等数据进行训练模型，再根据模型获取出预测交通拥堵数据。
[0005]申请号为CN202211612325.6的一种交通拥堵预测方法、系统、设备及存储介质，通过获取多源异构数据集，获取交通事件数据、拥堵数据和站点流量数据，并通过这些数据获取空间相关性特征、时间依赖关系特征和多种因素特征等特征，之后将诸多特征进行拼接，获得时空联合特征，并时空联合特征输入至多层感知模型，获取待预测的交通拥堵的预测结果。该方法能够在通过交通事件数据、拥堵数据和站点流量数据进行构建多层感知模型，进而预测出拥堵路段的位置、开始时间以及结束时间。该方法在内的这类方法，无法对于车辆的具体行为预测，即在拥堵路段车辆的来源，去向，进而无法对拥堵路段的“产生
‑
蔓延
‑
持续
‑
消散
‑
结束”全过程进行还原。该方法因为是采用对于规律性较强的特征数据进行训练模型的，因此能够对于常态情况下的拥堵预测结果准确率较高；但是对于非常态情况下，如对于路段的临时管控、施工等，拥堵预测结果准确率会大大下降。
[0006]申请号为CN202211144311.6的高速公路收费站交通流量实时在线仿真系统及仿真方法，有效利用高速收费运营数据进行收费站分车道流量预测评估和实时分析的问题。
主要方法是选择了机器学习算法中的集成学习方法对高速路段流量预测；基于编码器
‑
解码器框架的LSTM长短记忆网络方法对收费站客流的时间序列特征进行挖掘，预测出收费站上上游主线路段ETC门架到匝道收费站的分车型分收费车道类别的流量流转系统及时间分布系数，得到收费站分车型分收费车道分时间片的交通流量预测；再将上述预测的收费站分车型分收费车道分时间片交通流量作为输入参数，通过交通仿真对当前时段收费站交通运行状况进行仿真还原和对未来时段收费站所预测的交通需求进行仿真推演，实现收费站车辆的实时在线仿真和未来短时的收费站分车道分车型车流量预测，并输出包括流量、平均排队长度、服务水平等交通仿真评估指标，再根据现行收费车道的服务水平指标阈值进行实时监测拥堵预警，为收费站运营管理人员提供收费通道资源合理开闭使用、动态收费诱导和站前广场主动型交通管控的科学决策支撑。该方法在内的这类方法，针对高速公路收费交通流量的实时在线仿真场景，能够通过交通仿真技术对当前时段以及未来短时的收费站进行还原和推演，得出收费站的实时于未来短时的分车道分车型流量预测、平均排队长度、服务水平等指标，便于根据当前收费站的服务水平指标阈值判断拥堵状态以进行交通拥堵管控。但这类技术同样是只适用于收费站实时管控，不适用于高速公路的全网节假日交通预知管控。

技术实现思路

[0007]针对上述
技术介绍
中存在的问题，本专利技术提供了一种基于在线仿真的道路拥堵诱导方法，包括如下步骤：S1、构建算法引擎；所述算法引擎包括预测引擎、仿真引擎与拥堵诱导引擎；S2、根据所述算法引擎预测交通出行量并仿真还原拥堵路段；S3、对所述拥堵路段诱导并仿真还原诱导。
[0008]优选地，步骤S1中所述预测引擎的应用具体包括如下步骤：S11、结合特征提取对数据进行特征拆分以及提取，设定基本特征；S12、对所述基本特征进行交叉相乘生成比例特征；S13、所述基本特征与比例特征交叉相乘生成一次交叉特征；S14、所述一次交叉特征与比例特征交叉相乘生成二次交叉特征，得到特征集合；S15、筛选重要特征，得到重要特征集合，建立多元线性回归方程以及设置预测精度参数，得出待定系数矩阵，对交通出行量进行预测。
[0009]优选地，所述基本特征个数为4个，包括历史相同节日的交通量、历史相同节日的节前一周平均交通量、预测年的节日前一周平均交通量、预测年的常态一周平均交通量，其中，i为交通小区，t为时间片；步骤S12中，对于这4个基本特征交叉相乘生成12个比例特征，计算公式为：；步骤S13中，4个基本特征和12个比例特征之间交叉相乘生成48个一次交叉特征，计算公式为：；步骤S14中，48个一次交叉特征和12个比例特征之间交叉相乘生成528个二次交叉
特征，计算公式为：；因此可以得到特征集合，其中，V为特征集合，为第j个构造的特征项，j为特征项的索引，Z为交通小区的个数，T为时间集合。
[0010]优选地，所述步骤S2具体包括如下步骤：S21、动态交通出行量流量和动态交通出行量路径计算；所述仿真引擎在得到所述预测引擎预测得出的交通出行量之后，结合路网进行计算动态路径结果，确定动态交通出行量流量和动态交通出行量路径，并将动态交通出行量流量不断地加载到路网中；S22、生成仿真车辆；所述仿真引擎在仿真路网中，根据所述动态交通出行量流量持续生成仿真车辆，按照预设交通出行量路径行驶，到达终点则从仿真网络中移除；S23、空间排队模型还原仿真；使用空间排队模型，以时间为自变量、以路段交通状态为因变量判断出排队情况，采用基于空间排队的中观交通流仿真模型刻画车辆在路网中的交通运动状态，所述中观交通流仿真模型采用并行计算；所述仿真引擎还使用了微观仿真模块，将中观交通流仿真和局部微观仿真融合，还原出在车辆移动过程中路段的拥堵情况；S24、得出拥堵路段信息，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于在线仿真的道路拥堵诱导方法，其特征在于，包括如下步骤：S1、构建算法引擎；所述算法引擎包括预测引擎、仿真引擎与拥堵诱导引擎；S2、根据所述算法引擎预测交通出行量并仿真还原拥堵路段；S3、对所述拥堵路段诱导并仿真还原诱导。2.根据权利要求1所述的一种基于在线仿真的道路拥堵诱导方法，其特征在于，步骤S1中所述预测引擎的应用具体包括如下步骤：S11、结合特征提取对数据进行特征拆分以及提取，设定基本特征；S12、对所述基本特征进行交叉相乘生成比例特征；S13、所述基本特征与比例特征交叉相乘生成一次交叉特征；S14、所述一次交叉特征与比例特征交叉相乘生成二次交叉特征，得到特征集合；S15、筛选重要特征，得到重要特征集合，建立多元线性回归方程以及设置预测精度参数，得出待定系数矩阵，对交通出行量进行预测。3.根据权利要求2所述的一种基于在线仿真的道路拥堵诱导方法，其特征在于，所述基本特征个数为4个，包括历史相同节日的交通量、历史相同节日的节前一周平均交通量、预测年的节日前一周平均交通量、预测年的常态一周平均交通量，其中，i为交通小区，t为时间片；步骤S12中，对于这4个基本特征交叉相乘生成12个比例特征，计算公式为：；步骤S13中，4个基本特征和12个比例特征之间交叉相乘生成48个一次交叉特征，计算公式为：；步骤S14中，48个一次交叉特征和12个比例特征之间交叉相乘生成528个二次交叉特征，计算公式为：；因此可以得到特征集合，其中，V为特征集合，为第j个构造的特征项，j为特征项的索引，Z为交通小区的个数，T为时间集合。4.根据权利要求1所述的一种基于在线仿真的道路拥堵诱导方法，其特征在于，所述步骤S2具体包括如下步骤：S21、动态交通出行量流量和动态交通出行量路径计算；所述仿真引擎在得到所述预测引擎预测得出的交通出行量之后，结合路网进行计算动态路径结果，确定动态交通出行量流量和动态交...

【专利技术属性】
技术研发人员：杨宇星，钟辉，黄志军，曾贤镜，黄俐晨，陈振武，周勇，吴若乾，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：