一种基于K聚类算法和神经网络的货车交通流量预测方法技术

本发明专利技术公开了一种基于K聚类算法和神经网络的货车交通流量预测方法，包括：基于货车的车载卫星定位装置，获得货车GPS数据；基于货车GPS数据，统计获得各路段各时间段对应的历史货车交通流量数据；利用K聚类算法对历史货车交通流量数据进行聚类处理；利用聚类后的历史数据训练神经网络，获得货车交通流量预测模型；利用货车交通流量预测模型，预测未来货车交通流量值。本发明专利技术实现精确、高效、实时的重型货车交通流量预测，并提供针对重型货车交通流量预测值的交通调度方案，有利于有关部门及时掌握相关路段的交通状况，并基于交通调度方案有效地指导交通运转，减少甚至避免交通拥堵的发生率，同时为城市道路规划、节能减排提供信息支持。息支持。息支持。

【技术实现步骤摘要】
一种基于K聚类算法和神经网络的货车交通流量预测方法


[0001]本专利技术涉及智能交通
，具体涉及一种基于K聚类算法和神经网络的货车交通流量预测方法。

技术介绍

[0002]近年来，重型货车增比逐年上升。基于现有的道路资源，重型货车的增加会导致车辆拥堵现象并影响居民的日常出行，货车与客车的交通矛盾十分突出。管理部门常常采取特殊时段限行等政策来进行调控，但往往由于数据缺失和理论支撑不足等问题导致政策效果不佳。充分利用多种数据，采取科学的理论方法，对重型货车交通流进行准确的预测，可以为解决全路网重型货车拥堵等问题提供理论支持。
[0003]智能交通系统将现代的技术成果应用于交通规划和管理，建立了一种智能化的交通管理体系，精准、高效、实时是智能交通系统的显著优势，通过智能交通系统的反馈，有关部门可以及时掌握所关心地区的交通状况，从而有效地指导交通运转，减少甚至避免交通拥堵的发生率，并为城市道路规划、节能减排提供信息支持。交通流量预测作为智能交通系统的重要研究内容，其准确性和实时性对于缓解交通拥堵等方面起到重要作用。传统的交通流量预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K聚类算法和神经网络的货车交通流量预测方法，其特征在于，包括以下步骤：步骤S1：基于货车的车载卫星定位装置，获得货车GPS数据；步骤S2：基于货车GPS数据，统计获得各路段各时间段对应的历史货车交通流量数据；步骤S3：利用K聚类算法对历史货车交通流量数据进行聚类处理；步骤S4：利用聚类后的历史数据训练神经网络，获得货车交通流量预测模型；步骤S5：利用货车交通流量预测模型，预测未来货车交通流量值；步骤S6：根据预测的未来货车交通流量值，在专家规则库中查找未来货车交通流量值对应的交通调度方案反馈给终端。2.根据权利要求1所述的一种基于K聚类算法和神经网络的货车交通流量预测方法，其特征在于，步骤S2中，将GPS数据根据经纬度定位到所属的路网路段上，按照指定时间间隔进行统计，得到城市路网上每个路段的各时间段的历史货车交通流量数据。3.根据权利要求1或2所述的一种基于K聚类算法和神经网络的货车交通流量预测方法，其特征在于，步骤S2还包括：利用小波阈值分析对历史货车交通流量数据进行去噪预处理。4.根据权利要求1或2所述的一种基于K聚类算法和神经网络的货车交通流量预测方法，其特征在于，步骤S3的具体过程，包括以下步骤：步骤S31：计算历史货车交通流量S与路段X1、时间段X2之间的皮尔逊相关系数；步骤S32：保留皮尔逊相关系数大于参考阈值的历史数据并构建训练集；步骤S33：采用归一化计算训练集中路段X1、时间段X2的权值；步骤S34：从训练集中随机选取k个历史数据作为聚类中心；步骤S35：计算每个数据到各个聚类中心的距离，并根据最小距离划分每个对象数据所属类别；步骤S36：计算k个类别内所有对象数据的均值，并将得到的均值作为新的聚类中心，然后跳转执行步骤S35，直至每个聚类中心不再发生变化。5.根据权利要求1所述的一种基于K聚类算法和神经网络的货车交通流量预测方法，其特征在于，步骤S4中，所述神经网络为单隐层多层神经网络结构，包括输入层、隐藏层和输出层，输入层神经元个数为m...

【专利技术属性】
技术研发人员：向恩和，陈肖，朱正中，江程，
申请(专利权)人：双友智控科技研究院杭州有限公司，
类型：发明
国别省市：