【技术实现步骤摘要】
多源数据融合的高速公路收费站出口流量预测方法及系统
[0001]本专利技术涉及智能交通领域，具体涉及多源数据融合的高速公路收费站出口流量预测方法，还涉及多源数据融合的高速公路收费站出口流量预测系统。
技术介绍
[0002]高速公路密切了城市之间的联系，给出行者带来更加便捷的出行条件，人民对高速公路服务、交通诱导服务的需求不断增加，交通管理部门对交通管控、交通状况的缓解提出更高的要求。交通流预测是分析道路上交通状况、挖掘交通模式以及预测道路交通趋势的过程。
[0003]收费站是高速公路交通网络中的瓶颈节点，容易引发交通排队问题。及时的流量预测可以帮助交通管理部门先行做出决策，交通管理部门可根据预测结果预先实施抢占性对策，例如增派收费员等来应对高峰时刻，最大化改善交通状况和减少交通延误。通过采集到的数据对流量做出预测，可有效缓减收费站出口拥堵问题，为出行者提供便捷高效的出行服务，树立良好的高速公路形象。
[0004]现有的高速公路收费站出口流量预测大多基于单一的数据源进行预测，单一的数据可能会有检测范围小，数据特...
【技术保护点】
【技术特征摘要】
1.多源数据融合的高速公路收费站出口流量预测方法，其特征在于，包括以下步骤S1
‑
步骤S5：步骤S1：获取高速公路收费数据和车辆牌照识别数据，其中高速公路收费数据包括高速公路上的各出口收费站数据以及各入口收费站数据；步骤S2：分别针对高速公路收费数据和车辆牌照识别数据，提取单源数据流量特征；步骤S3：根据待预测出口收费站的时空特性，统一各单源数据流量特征的时空维度，获得时空一致化的入口收费站的数据、时空一致化的车辆牌照识别数据；步骤S4：分别构建基于收费数据的预测模型和基于车辆牌照识别数据的预测模型，其中基于收费数据的预测模型以步骤S3所获得的时空一致化的入口收费站的数据为输入，以预测的出口收费站流量为输出，基于车辆牌照识别数据的预测模型以步骤S3所获得的时空一致化的车辆牌照识别数据为输入，以预测的出口收费站流量为输出；步骤S5：针对基于收费数据的预测模型和基于车辆牌照识别数据的预测模型所输出的预测的出口收费站流量，基于神经网络进行融合，获得融合后的出口收费站流量多源预测结果。2.根据权利要求1所述的多源数据融合的高速公路收费站出口流量预测方法，其特征在于，步骤S2中提取单源数据流量特征方法为：将步骤S1所获取的数据按照5min的时间维度进行聚合，共有s条数据，预测时间序列为待预测出口收费站流量序列为3.根据权利要求1所述的多源数据融合的高速公路收费站出口流量预测方法，其特征在于，步骤S3中车辆牌照识别数据的时空一致化方法如下：按照时间、空间特性匹配的原则对车辆牌照识别数据进行筛选，以同路段为约束将其转换为同时段、同间隔的车辆牌照识别数据；入口收费站的数据的时空一致化方法如下：选取某一个出口收费站作为目标站点D，根据车辆进入的入口收费站和驶出的出口收费站，提取所有以目标站点为出口收费站的入口收费站序列{O1,O2,
…
,O
n
}；计算OD对内车辆旅行时间，其计算公式为：车辆旅行时间＝出口时间
‑
入口时间；计算OD对内车辆旅行时间均值，其计算公式为：式中，为入口收费站O
j
在时间段k内所有车辆的平均旅行时间，为O
j
D路段上在时间段k内第m辆车的车辆旅行时间，M为车辆总数；选取样本均值两倍标准差作为阈值范围，剔除在范围之外的数据，其中：
计算样本均值得到OD对内车辆时间顺差构造目标站点和各入口收费站之间的关联矩阵，对于一个特定的目标站点，在时间序列为入口收费站为{O1,O2,
…
,O
n
}时，关联矩阵为：}时，关联矩阵为：表示入口收费站为O
j
，目标站点为D，时间点为时的流量；选取目标站点D待预测时间序列中的某一个时间点其波动范围为其波动范围为和表示该时间点的起始时间和终止时间；在考虑时间顺差的情况下对应的入口收费站时间波动范围为d
j
为OD对内车辆时间顺差；计算目标站点D和关联站点之间的关联系数如下式：式中，为各入口收费站流量的均值，为时间点为时目标站点D的流量，为目标站点D各时间点的流量均值...
【专利技术属性】
技术研发人员：张健，周开城，钱品政，张海燕，刘子懿，熊壮，梁涵月，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。