车流量预测方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种车流量预测方法方法、装置、计算机设备和存储介质，该方法包括：根据目标区域的历史车流量数据确定基准年，其中基准年是当前年份之前的年份；通过历史车流量数据确定用于车流量预测的目标历史数据；其中，目标历史数据包括：历史时间段的日均车流量、历史时间段的车流量相对于基准年前一年的年增长率、历史时间段的车流量相对于历史时间段的前一周的周增长率、历史时间段各天的车流量比例和历史时间段每天各小时的车流量比例；历史时间段是指基准年中与目标时间段相对应的时间段；根据目标历史数据，预测目标时间段的每天各小时车流量结果。上述方法可以利用较少的历史车流量数据较为精准地预测目标时间段的车流量。车流量。车流量。

【技术实现步骤摘要】
车流量预测方法、装置、计算机设备和存储介质


[0001]本专利技术涉及车流量预测
，特别是涉及车流量预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]为应对节假日期间陡增的车流量，以及保障高速路网的安全畅通，各省高速公路管理部门会提前对节假日期间的交通量变化进行分析预判，并发布节假日期间高速公路出行指南，引导大家合理安排出行计划。在此背景下，从宏观层面上对全省路网收费站出入口在节假日期间的车流量进行较为合理、准确的预测，这对高速管理部门掌握交通变化动向、提前对节假日期间的保障工作进行安排部署、发布高速出行指南具有重要的参考意义。
[0003]然而，目前的高速公路领域的交通流量预测多为针对单个收费站车流量的预测，缺少对全省范围的宏观预测；当前对节假日期间的车流量预测大多为以单个收费站为对象进行预测，是对个体的预测，缺少对全省收费站车流量组成的整体进行的研究和预测；由于各个收费站的地理位置、规模等不尽相同，各个收费站车流量的变化特征也不尽相同，分别对单个收费站的车流量进行预测再将预测结果汇总的方式不仅计算繁琐，也容易造成误差累积；目前比较常用的机器学习和深度学习的预测方法都需要大量的历史数据积累才能训练出性能较好的模型，但是对于节假日来说本身的数据量就很有限，加上过去检测设备和检测技术不完备导致的数据缺失，成为使用机器学习和深度学习训练预测模型的障碍；同时，目前的车流量预测方法基本上都是基于时间序列的，预测时时序变化占有很大的比重，忽略了气象、计划性事件，偶然因素(突发事件)等特殊因素对车流量造成的影响，造成预测结果的不合理。
[0004]因此，目前的高速公路领域的交通流量预测多为针对单个收费站车流量的预测，缺少对全省范围的宏观预测；使用分别对单个收费站车流量进行预测再将各收费站预测结果汇总的方式计算复杂，还容易误差累积；节假日历史数据量较少的现实条件导致难以使用机器学习、深度学习技术训练预测模型；基于时间序列的预测方法忽略了除时序外的特殊因素对车流量变化的影响。

技术实现思路

[0005]基于此，有必要针对上述问题，提供一种车流量预测方法、装置、计算机设备和存储介质。
[0006]第一方面，提供了一种车流量预测方法，用于预测目标区域的当前年份目标时间段的车流量，所述预测方法包括：
[0007]根据所述目标区域的历史车流量数据确定基准年，其中所述基准年是当前年份之前的年份；
[0008]根据所述基准年和所述目标时间段，通过所述历史车流量数据确定用于车流量预测的目标历史数据；其中，所述目标历史数据包括：历史时间段的日均车流量、历史时间段
的车流量相对于所述基准年前一年的年增长率、所述历史时间段的车流量相对于所述历史时间段的前一周的周增长率、所述历史时间段各天的车流量比例和所述历史时间段每天各小时的车流量比例；所述历史时间段是指所述基准年中与所述目标时间段相对应的时间段；
[0009]根据所述目标历史数据，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果。
[0010]在其中一个实施例中，所述通过所述历史车流量数据确定用于车流量预测的目标历史数据，包括：
[0011]根据预设的车辆类型分类规则，对所述历史车流量数据进行分组，将同一类型车辆的历史车流量数据划分为一组；
[0012]针对各类型车辆，通过与同一类型车辆对应的一组历史车流量数据确定同一类型车辆的目标历史数据。
[0013]在其中一个实施例中，所述通过所述历史车流量数据确定用于车流量预测的目标历史数据，包括：
[0014]确定所述历史时间段的第一日均车流量；
[0015]确定所述历史时间段前一周的第二日均车流量；
[0016]确定所述基准年的前一年中与所述历史时间段对应的时间段的第三日均车流量；
[0017]根据所述第一日均车流量和所述第二日均车流量，确定所述周增长率；
[0018]根据所述第一日均车流量和所述第三日均车流量，确定所述年增长率。
[0019]在其中一个实施例中，所述根据所述目标历史数据，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果，包括：
[0020]根据所述目标历史数据，通过预配置的第一车流量预测公式，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果；其中，所述第一车流量预测公式的表达式为：
[0021][0022]式中，F
i,h
表示所述目标时间段任一天的任一小时的车流量预测结果；
[0023]S表示所述历史时间段的日均车流量；
[0024]N表示所述目标时间段的天数；
[0025]d
i
表示所述历史时间段各天的车流量比例；
[0026]r
i,h
表示所述历史时间段每天各小时的车流量比例；
[0027]A表示所述年增长率；
[0028]B表示所述周增长率；
[0029]α和β分别表示所述年增长率置信权重和所述周增长率置信权重；
[0030]n表示所述基准年距离当前年份的年差。
[0031]在其中一个实施例中，所述预测方法还包括：
[0032]获取预设的验证时间段的实际车流量，所述验证时间段是所述基准年中的时间段和/或当前年份中的时间段；
[0033]对所述第一流量预测公式中的年增长率置信权重和周增长率置信权重按照最低
0，最高1各切分成多份；
[0034]循环组合所述年增长率置信权重和所述周增长率置信权重，根据所述第一流量预测公式计算每个权重组合下的所述验证时间段的车流量的预测结果；
[0035]确定所述验证时间段的车流量预测结果和所述验证时间段的实际车流量之间的平均绝对值百分比误差；
[0036]选取平均绝对值百分比误差最小的一组年增长率置信权重和周增长率置信权重的组合作为所述第一流量预测公式的年增长率置信权重和周增长率置信权重。
[0037]在其中一个实施例中，所述根据所述目标历史数据，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果，包括：
[0038]根据所述目标历史数据，通过预配置的第二车流量预测公式，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果；其中，所述第二车流量预测公式的表达式为：
[0039][0040]式中，F
i,h
表示所述目标时间段任一天的任一小时的车流量预测结果；
[0041]f
w
、f
e
和f
y
分别是气象因素、计划性事件因素、偶然因素；
[0042]S表示所述历史时间段的日均车流量；
[0043]N表示所述目标时间段的天数；
[0044]d
i
表示所述历史时间段各天的车流量比例；
[0045]r
i,h
表示所述历史时间段每天各小时的车流量比例；
[0046]A表示所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车流量预测方法，用于预测目标区域的当前年份目标时间段的车流量，其特征在于，所述预测方法包括：根据所述目标区域的历史车流量数据确定基准年，其中所述基准年是当前年份之前的年份；根据所述基准年和所述目标时间段，通过所述历史车流量数据确定用于车流量预测的目标历史数据；其中，所述目标历史数据包括：历史时间段的日均车流量、历史时间段的车流量相对于所述基准年前一年的年增长率、所述历史时间段的车流量相对于所述历史时间段的前一周的周增长率、所述历史时间段各天的车流量比例和所述历史时间段每天各小时的车流量比例；所述历史时间段是指所述基准年中与所述目标时间段相对应的时间段；根据所述目标历史数据，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果。2.如权利要求1所述的车流量预测方法，其特征在于，所述通过所述历史车流量数据确定用于车流量预测的目标历史数据，包括：根据预设的车辆类型分类规则，对所述历史车流量数据进行分组，将同一类型车辆的历史车流量数据划分为一组；针对各类型车辆，通过与同一类型车辆对应的一组历史车流量数据确定同一类型车辆的目标历史数据。3.如权利要求1所述的车流量预测方法，其特征在于，所述通过所述历史车流量数据确定用于车流量预测的目标历史数据，包括：确定所述历史时间段的第一日均车流量；确定所述历史时间段前一周的第二日均车流量；确定所述基准年的前一年中与所述历史时间段对应的时间段的第三日均车流量；根据所述第一日均车流量和所述第二日均车流量，确定所述周增长率；根据所述第一日均车流量和所述第三日均车流量，确定所述年增长率。4.如权利要求1所述的车流量预测方法，其特征在于，所述根据所述目标历史数据，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果，包括：根据所述目标历史数据，通过预配置的第一车流量预测公式，确定所述目标区域的所述目标时间段的每天各小时车流量预测结果；其中，所述第一车流量预测公式的表达式为：式中，F
i,h
表示所述目标时间段任一天的任一小时的车流量预测结果；S表示所述历史时间段的日均车流量；N表示所述目标时间段的天数；d
i
表示所述历史时间段各天的车流量比例；r
i,h
表示所述历史时间段每天各小时的车流量比例；A表示所述年增长率；B表示所述周增长率；α和β分别表示所述年增长率置信权重和所述周增长率置信权重；
n表示所述基准年距离当前年份的年差。5.如权利要求4所述的车流量预测方法，其特征在于，所述预测方法还包括：获取预设的验证时间段的实际车流量，所述验证时间段是所述基准年中的时间段和/或当前年份中的时间段；对所述第一流量预测公式中的年增长率置信权重和周增长率置信权重按照最低0，最高1各切分成多份；循环组合所述年增长率置信权重和所述周增长率置信权重...

【专利技术属性】
技术研发人员：王永翔，曹宁，冉学均，夏曙东，李鹏，
申请(专利权)人：北京千方科技股份有限公司，
类型：发明
国别省市：