基于ETC门架数据的高速公路车流量预测方法技术

本发明专利技术公开了一种基于ETC门架数据的高速公路车流量预测方法，包括：通过ETC系统获取高速公路的ETC门架数据，利用一维卷积滤波器对ETC门架数据进行预处理操作，提取ETC门架关键数据；将提取的关键数据输入到基于多维深度递归神经网络的交通流量预警模型中，对ETC门架关键数据进行实时预测分析，获取车流量预测结果；基于车流量预测结果，制定交通管控方案，根据交通管控方案对交通进行管理措施，管理措施包括智能交通调度、自动指挥及拥堵控制措施。能够提高交通流量预测准确性，提升道路通行效率，为交通管理部门提供高效、精确的管理手段，并为道路使用者提供便利。并为道路使用者提供便利。并为道路使用者提供便利。

【技术实现步骤摘要】
基于ETC门架数据的高速公路车流量预测方法


[0001]本专利技术涉及车流量预测
，尤其涉及一种基于ETC门架数据的高速公路车流量预测方法。

技术介绍

[0002]近年来，高速公路运营里程逐年增加，路网密度不断提升，交通流量持续增加，相应的运行效率、交通安全和运行管理问题亟待解决。与此同时，由于我国交通运输路网监测制度标准建设起步较晚，对路网监测制度标准建设投入研究的深度和广度不够，相关理论研究的自主性、创新性不够，路网监测管理相关法规制度缺位、立法层级不高，干线公路网监测管理相关国家标准和行业标准建设不尽完善，难以支撑实际路网监测工作的需要，存在理论研究滞后于当前发展现状、路网运行评价标准化依据不足、路网管理工作规范化程度不高等问题。
[0003]当前，实时预测高速公路车流量成为交通管理的重要任务之一，准确的车流量预测可以为交通监控、拥堵控制及道路安全提供有效支持。然而，现有的车流量预测方法大多基于固定的传感器数据，如交通监测摄像头和线圈检测器，数据获取局限性大、精确度不高。

技术实现思路

[0004]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ETC门架数据的高速公路车流量预测方法，其特征在于，包括：S101：通过ETC系统获取高速公路的ETC门架数据，利用一维卷积滤波器对ETC门架数据进行预处理操作，提取ETC门架关键数据；S102：将提取的关键数据输入到基于多维深度递归神经网络的交通流量预警模型中，对ETC门架关键数据进行实时预测分析，获取车流量预测结果；将预处理后的ETC门架关键数据输入至已训练好的多维深度递归神经网络中，利用模型学习到的交通流量在多个维度的变化规律，对未来交通流量进行预测；S103：基于车流量预测结果，制定交通管控方案，根据交通管控方案对交通进行管理措施，管理措施包括智能交通调度、自动指挥及拥堵控制措施；S101步骤包括：S1011：在高速公路的特定路段设置ETC门架，并与ETC系统连接，接收车辆通过的信号，将接收的车辆通过的信号转化为ETC门架数据，并通过无线传感网络将实时获取的ETC门架数据传输至数据处理中心进行数据处理；S1012：在数据处理中心通过自适应的一维离散卷积滤波算法对ETC门架数据进行预处理操作，基于动态噪声估计替代固定卷积核的方式，将ETC门架数据中的噪声信号进行滤除操作，获取预处理后的ETC门架数据；S1013：利用关联规则挖掘算法从预处理后的ETC门架数据中自动识别和提取关键字段，获取ETC门架关键数据，ETC门架关键数据包括车辆通过时间、车辆识别号码、车型、车速和车道占用率；S102步骤包括：S1021：基于ETC门架数据管理库，调取若干流水ETC门架数据，利用自适应数据划分策略将若干流水ETC门架数据划分为训练集和测试集，其中，训练集用于训练多维深度递归神经网络模型，测试集用于评估模型性能；S1022：将训练集中的时空特征及外部因素特征作为输入，利用训练集对多维深度递归神经网络进行训练，多维深度递归神经网络在多个维度上学习交通流量的变化规律；使用注意力机制以自适应地分配权重，获取多维深度递归神经网络对关键数据的关注度，基于训练好的多维深度递归神经网络，构建交通流量预警模型；S1023：将当前的ETC门架关键数据输入至交通流量预警模型，输出车流量预测结果，该车流量预测结果包括交通流量预警信号及导致流量突变的关键因素，通过实时解析预警信号及关键因素，为交通管理部门提供针对性的决策建议，其中，基于车流量、速度、车道占用的实时交通信息设定交通流量预警信号，交通流量预警信号包括正常流量、拥挤流量、严重拥堵和极度拥堵，导致流量突变的关键因素包括交通事故、道路施工以及恶劣天气。2.根据权利要求1所述的基于ETC门架数据的高速公路车流量预测方法，其特征在于，S103步骤包括：S1031：根据车流量预测结果和现实交通状况，采用智能优化算法制定交通管控方案，交通管控方案包括根据预测结果自动调整的交通调度、自动指挥和拥堵控制措施；S1032：根据交通管控方案，对不同车辆、不同车道采取对应的限制措施，当路段出现拥堵时，通过跨区域协调的实时监测和后端控制系统自动控制高速进出口以及开启应急车道的控制措施，消除拥堵，同时启动高速路段的动态信息显示，引导驾驶者合理规划行程；
S1033：通过大数据与机器学习技术对实施管理措施以及交通管控方案的效果进行实时监控和评估，根据评估结果自动调整管控策略并对未来流量数据进行智能预测，实现交通流量预警模型的持续优化，其中，大数据技术指利用分布式计算框架对实时交通数据进行存储和处理，机器学习技术指通过时序分析模型对交通流量预测进行建模。3.根据权利要求1所述的基于ETC门架数据的高速公路车流量预测方法，其特征在于，S1011步骤包括：在将接收的车辆通过的信号转化为ETC门架数据中，获取车辆通过的信号，其中，车辆通过的信号包括通过车辆携带的车载装置发送的信号以及通过设备采集车辆行驶信息发送的信号；对车辆通过的信号进行解码，并通过智能车辆标识信息识别算法模型提取对应的车辆标识信息，车辆标识信息包括车牌号和车辆类型信息，对车辆标识信息进行筛选、核验和加密处理，其中，智能车辆标识信息识别算法指利用二维卷积神经网络的图像识别算法识别和提取车牌号和车辆类型信息；将车辆标识信息输入ETC门架数据生成算法模型中，获取包括车辆标识信息的ETC门架数据，并将该ETC门架数据存储到ETC门架数据管理库中。4.根据...

【专利技术属性】
技术研发人员：阮雪飞，李大全，朱秋实，王志海，杨唐，吴政沅，
申请(专利权)人：贵州宏信达高新科技有限责任公司，
类型：发明
国别省市：