一种基于实时大数据的交通拥堵预警方法及系统技术方案

本发明专利技术公开了一种基于实时大数据的交通拥堵预警方法及系统，该方法包括：获取实时交通流工况大数据，提取T时段内的实时交通流典型特征值；通过数据处理，得到实时交通流典型特征值

【技术实现步骤摘要】
一种基于实时大数据的交通拥堵预警方法及系统


[0001]本专利技术涉及交通工程
，尤其涉及一种基于实时大数据的交通拥堵预警方法及系统。

技术介绍

[0002]近年来，随着经济社会的发展，国民人均小汽车保有量迅速增加，交通拥堵现象日益加剧。城市交通拥堵，不仅会造成通行时间延长、出行不便，还会导致更多汽车尾气等污染物的排放。对城市交通流的预测与管理，是长期以来的研究对象，也是各大城市环境保护、城市规划的着力点。
[0003]城市交通流变化所产生的表观信息的传播遵循一定的扩散规律，即遵从信息传播动力学原理和模型，尤其是高峰时段或者交通事故导致的特殊性情况下，交通拥堵产生的各类信息，尤其是以平均速度下降(或交通流上升)为代表的信息，是最直观的表征。这些以交通工况为代表的信息，其传播具有一定非及时性，即具有一定的滞后性，而这种滞后性会反过来会导致越来越拥堵，经过逐次传播传导，达到拥堵高峰。在到达拥堵高峰后，经过人为疏导或者自然缓解得到消退，城市交通行驶工况得到恢复。因此，为了减少交通拥堵对经济社会发展带来的不利影响，对交通拥堵情况进行实时预测，基于预测情况灵活主动地进行提前拥堵疏导，能够减缓交通拥堵时长，故，对交通拥堵情况进行预测是必要的。
[0004]现有的交通流预测方式，大多通过对以往数据的分析处理，根据历史交通大数据特征建立某种拟合函数，进而运用该函数对未来一段时间的趋势进行预测。目前的预测方法工具有很多，比如线性回归、神经网络、随机森林等。然而，各种拟合、机器学习等预测方法都是根据历史资料搜集数据，经过建模、自动识别、基于误差最小做预测，基本上无法实时反映交通状况；此外，通过交通视频观察、居民报告分析等进行预测，则需要加以人工识别，不仅费事费力，而且人为因素较多。
[0005]也就是说，现有的预测方法存在以下问题：
[0006](1)历史数据样本的局限和缺失，导致样本中存在诸多的信息不足；而且并不是所有城市都具备收集和存储历史数据的能力。
[0007](2)尽管特定日期如周一、周末、节假日等交通情况有一定的类比性，然而由于机动车逐日增加这一变数，导致历史数据与实时数据终究存在较大偏差；而且，现实中因为各种天气、突发事件等因素的叠加影响，很难找到最优的自变量和因变量直接的映射；
[0008](3)某些预测方法如机器学习等，对特征的筛选存在一定的随机性，注重对过往数据的拟合优度，不能合理判断各个影响因素对模型的敏感度，而且过多的特征往往导致模型过拟合。

技术实现思路

[0009]为解决上述现有技术的不足，本专利技术提供了一种基于实时大数据的交通拥堵预警方法及系统，通过对获取的实时交通流工况大数据，提取设定时间段内的交通流典型特征
值，获得交通流典型特征值
‑
时间序列的实时交通流曲线，进而以该曲线的一阶导数做交通拥堵的判定，以该曲线的二阶导数做交通拥堵趋势的判定，以此实现实时交通拥堵预测，并基于该预测结果进行预警，提高交通预警的时效性和前瞻性，避免现有基于历史数据分析处理预测交通流的方法中无法实时反映交通状况的问题。
[0010]第一方面，本公开提供了一种基于实时大数据的交通拥堵预警方法。
[0011]一种基于实时大数据的交通拥堵预警方法，包括：
[0012]获取实时交通流工况大数据，提取T时段内的实时交通流典型特征值；
[0013]对T时段内的实时交通流典型特征值进行时间序列的数据处理，得到实时交通流典型特征值
‑
时间序列的实时交通流曲线；
[0014]基于实时交通流典型特征值
‑
时间序列的实时交通流曲线，得到当前时刻的一阶导数和二阶导数；根据一阶导数和二阶导数的变动趋势，以一阶导数做交通拥堵判定，以二阶导数做交通拥堵趋势判定，判断交通流的实时变化趋势走向；
[0015]基于判断结果，进行实时预警。
[0016]进一步的技术方案，所述交通流典型特征值为平均时速、拥堵指数、车辆密度、车辆间距、车流量所对应的具体数值。
[0017]进一步的技术方案，还包括：
[0018]对提取的实时交通流典型特征值进行数据预处理，包括：对T时段内的实时交通流典型特征值缺失或异常的数据进行数据补足及修正。
[0019]进一步的技术方案，当交通流典型特征值为平均时速时，根据平均时速
‑
时间序列的实时交通流曲线，得到其在当前时刻的一阶导数和二阶导数，根据一阶导数和二阶导数的变动趋势，以一阶导数做交通拥堵判定，以二阶导数做交通拥堵趋势判定，综合两者数据信息，判断交通流的实时变化趋势走向，包括：
[0020]当一阶导数y
′
＜0时，表示逐步进入拥挤状态，提前进行预警，并根据具体情况调整预警级别；
[0021]当一阶导数y
′
＝0时，表示正处于拥堵尖峰；
[0022]当一阶导数y
′
＞0时，表示从拥堵尖峰逐步进入畅通状态，拥堵缓解，降至低预警级别或解除预警。
[0023]进一步的技术方案，当一阶导数y
′
＜0时，交通流平均时速逐步降低，表示逐步进入拥挤状态，提前进行预警，并根据具体情况调整预警级别，包括：
[0024]当一阶导数y
′
＜0且二阶导数y
″
＜0时，交通流平均时速逐步降低，拥堵程度存在加剧趋势，进行低级别预警；
[0025]当一阶导数y
′
＜0且二阶导数y
″
＝0时，交通流平均时速快速降低，拥堵程度加剧，提高预警级别至高一级别，进行预警；
[0026]当一阶导数y
′
＜0且二阶导数y
″
＞0时，交通流平均时速增速降低，即将达到拥堵尖峰，提高预警级别至最高级别，进行最高级别预警。
[0027]进一步的技术方案，当y
′
＞0时，交通流平均时速逐步提高，表示从拥堵尖峰逐步变为畅通，拥堵缓解，将预警级别逐步降低至次一级别，进行预警，直至解除拥堵预警，包括：
[0028]当一阶导数y
′
＞0且二阶导数y
″
＞0时，交通流平均速度逐步提高，拥堵程度存在
缓解趋势，将预警级别从最高级别降低至次一级别；
[0029]当一阶导数y
′
＞0且二阶导数y
″
＝0时，交通流平均时速快速提高，拥堵程度得到极大缓解，即将进入通畅状态，再次降低预警级别；
[0030]当一阶导数y
′
＞0且二阶导数y
″
＜0时，交通流平均时速越来越高，趋近于正常状态的平均时速，拥堵情况基本消除，解除预警。
[0031]第二方面，本公开提供了一种基于实时大数据的交通拥堵预警系统。
[0032]一种基于实时大数据的交通拥堵预警系统，包括：
[0033]数据获取模块，用于获取实时交通流工况大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实时大数据的交通拥堵预警方法，其特征是，包括：获取实时交通流工况大数据，提取T时段内的实时交通流典型特征值；对T时段内的实时交通流典型特征值进行时间序列的数据处理，得到实时交通流典型特征值
‑
时间序列的实时交通流曲线；基于实时交通流典型特征值
‑
时间序列的实时交通流曲线，得到当前时刻的一阶导数和二阶导数；根据一阶导数和二阶导数的变动趋势，以一阶导数做交通拥堵判定，以二阶导数做交通拥堵趋势判定，判断交通流的实时变化趋势走向；基于判断结果，进行实时预警。2.如权利要求1所述的一种基于实时大数据的交通拥堵预警方法，其特征是，所述交通流典型特征值为平均时速、拥堵指数、车辆密度、车辆间距、车流量所对应的具体数值。3.如权利要求1所述的一种基于实时大数据的交通拥堵预警方法，其特征是，还包括：对提取的实时交通流典型特征值进行数据预处理，包括：对T时段内的实时交通流典型特征值缺失或异常的数据进行数据补足及修正。4.如权利要求1所述的一种基于实时大数据的交通拥堵预警方法，其特征是，当交通流典型特征值为平均时速时，根据平均时速
‑
时间序列的实时交通流曲线，得到其在当前时刻的一阶导数和二阶导数，根据一阶导数和二阶导数的变动趋势，以一阶导数做交通拥堵判定，以二阶导数做交通拥堵趋势判定，综合两者数据信息，判断交通流的实时变化趋势走向，包括：当一阶导数y
′
＜0时，表示逐步进入拥挤状态，提前进行预警，并根据具体情况调整预警级别；当一阶导数y
′
＝0时，表示正处于拥堵尖峰；当一阶导数y
′
＞0时，表示从拥堵尖峰逐步进入畅通状态，拥堵缓解，降至低预警级别或解除预警。5.如权利要求4所述的一种基于实时大数据的交通拥堵预警方法，其特征是，当一阶导数y
′
＜0时，交通流平均时速逐步降低，表示逐步进入拥挤状态，提前进行预警，并根据具体情况调整预警级别，包括：当一阶导数y
′
＜0且二阶导数y
″
＜0时，交通流平均时速逐步降低，拥堵程度存在加剧趋势，进行低级别预警；当一阶导数y
′
＜0且二阶导数y
″
＝0时，交通流平均时速快速降低，拥堵程度加剧，提高预警级别至高一级别，进行预警；当一阶导数y
′
＜0且二阶导数y
″
＞0时，交通流平均时速增速降低，即将达到拥堵尖峰，提高预警级别至最高级别，进行最高级别预警。6.如权利要求4所述的一种基于实时大数据的交通拥堵预警方法，其特征是，当y
′
＞0时，交通...

【专利技术属性】
技术研发人员：李之润，
申请(专利权)人：李之润，
类型：发明
国别省市：