一种节假日道路流量数据预测分析方法及分析装置制造方法及图纸

本发明专利技术涉及交通控制技术领域，具体涉及一种节假日道路流量数据预测分析方法及分析装置，为解决现有的算法没有融合气象数据特征和没有把各个不同节日之间的区别进行特征处理的问题。该方法包括以门架、收费站为定节点划分道路，对路段进行编号；获取门架、收费站的原始数据；计算各个路段的流量数据，以及各个路段的通行时间数据；获取各个路段的气象数据，将气象数据与流量数据和通行时间数据匹配；获取节假日的历史气象数据、历史流量数据和各个路段节假日的气象数据，基于深度学习算法，预测节假日各个路段的流量数据。能够反应出气象数据对交通的影响。把各个不同节日之间的区别进行特征处理。在时效性和精读更加准确。进行特征处理。在时效性和精读更加准确。进行特征处理。在时效性和精读更加准确。

【技术实现步骤摘要】
一种节假日道路流量数据预测分析方法及分析装置


[0001]本专利技术涉及道路流量预测
，尤其涉及一种节假日道路流量数据预测分析方法及分析装置。

技术介绍

[0002]现有的技术方案利用交通信息进行预测，通过门架、收费站出入口数据、历史流量数据为数据特征。利用机器学习算法将特征数据进行回归模型训练和推理。但是气象数据对于交通量预测和通行预测有着很强的线性相关性，而现有的算法没有融合气象数据特征，不能反应出气象数据对交通的影响。在每一个节假日在统计上，在时间维度上的特征是重要的统计特征，具有全局性和统计性，而现有的方法没有把各个不同节日之间的区别进行特征处理。并且现有的预测方式是基于机器学习算法，进行回归任务的训练，利用已有的大数据能够反映趋势信息和统计信息，没有反映出高速路上的数据的时空依赖性，没有充分的进行特征抽取，就不能在不同的路段状态和不同的路网形态下进行更加细致的场景应用，在时效性和精读上会有更大的偏差。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提出一种节假日道路流量数据预测分析方法，以解决现有的算法没有融合气象数据特征和没有把各个不同节日之间的区别进行特征处理的问题。
[0004]基于上述目的，本专利技术提供了一种节假日道路流量数据预测分析方法及分析装置，包括以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号；获取门架、收费站的原始数据；根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据；获取各个路段的气象数据，将各个路段的气象数据于各个路段的流量数据和各个路段的通行时间数据匹配；获取节假日的历史气象数据、各个路段的历史流量数据和各个路段节假日的气象数据，基于深度学习算法，预测节假日各个路段的流量数据。
[0005]作为本申请的进一步改进，所述根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据，包括：获得的原始数据进行预处理，获得各个车辆的轨迹数据，通过轨迹数据获得各个路段的流量数据。
[0006]作为本申请的进一步改进，所述以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号，包括根据门架、收费站位置，确定门架、收费站之间的邻接关系，根据门架、收费站的经纬度，得到各个门架、收费站之间的距离，进而获得各个路段的长度。
[0007]作为本申请的进一步改进，所述根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据，包括确定邻接门架之间的路段的最大通行时间其中，n为路段的最大通行时间，dis
路段
为路段距离，为路段最低限速；
[0008]确定小时粒度车流量其中若车辆经过该门架或收费站，计算[
范围内，其是否经过临近门架或收费站，若是，则将该轨迹加入t时间片路段的轨迹集合
[0009]确定小时粒度平均通行时间其中，表示小时的车流量，表示车辆轨迹，表示t时间片路段的轨迹集合，dt为小时片统计得到路段间轨迹的通行时间。
[0010]作为本申请的进一步改进，所述获取各个路段的气象数据，将各个路段的气象数据于各个路段的流量数据和各个路段的通行时间数据匹配；
[0011]包括：对节假日进行编码；
[0012]筛选出节假日时间段内各个路段的气象数据、各个路段的流量数据和各个路段的通行时间数据，然后将获得的节假日时间段内各个路段的气象数据、流量数据和通行时间数据匹配。
[0013]作为本申请的进一步改进，所述深度学习算法包括：基于时空图采用GraphWaveNet建模，该模型架构中，由堆叠的时空层和输出层组成，堆叠的时空层主要包括两个模块，两个模块分别为图卷积层GCN和门控时间卷积层TCN；
[0014]所述门控时间卷积层TCN由两个并行的时间卷积层TCN
‑
a和TCN
‑
b组成。
[0015]作为本申请的进一步改进，所述输出层使用长短期记忆LSTM获取序列预测结果。
[0016]一种基于交通流时空特性的节假日道路流量数据预测分析装置，所述装置包括：
[0017]路段编号模块，用于以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号；
[0018]数据获取模块，用于获取门架、收费站的原始数据；
[0019]数据分析模块，用于根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据；
[0020]数据匹配模块，用于获取各个路段的气象数据，将各个路段的气象数据于各个路段的流量数据和各个路段的通行时间数据匹配；
[0021]预测模块，用于获取节假日的历史气象数据、各个路段的历史流量数据和各个路段节假日的气象数据，基于深度学习算法，预测节假日各个路段的流量数据。
[0022]本专利技术的有益效果：
[0023]本申请的预测方法融合气象数据特征，能够反应出气象数据对交通的影响。并且抽出节假日时间段单独进行分析，把各个不同节日之间的区别进行特征处理。不同的路段状态和不同的路网形态反应的各个数据信息进行单独运算预测，在时效性和精读更加准确。
附图说明
[0024]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术
描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本申请具体实施方式一种节假日道路流量数据预测分析方法的深度学习算法的流程图；
[0026]图2为本申请具体实施方式一种节假日道路流量数据预测分析方法的输出层使用长短期记忆LSTM的流程图；
[0027]图3为本申请具体实施方式基于交通流时空特性的节假日道路流量数据预测分析装置的结构示意图。
具体实施方式
[0028]为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本专利技术进一步详细说明。
[0029]需要说明的是，除非另外定义，本专利技术使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0030]如图1
‑
2所示，一种节假日道路流量数据预测分析方法，包括以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号；获取门架、收费站的原始数据；根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节假日道路流量数据预测分析方法，其特征在于，包括以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号；获取门架、收费站的原始数据；根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据；获取各个路段的气象数据，将各个路段的气象数据于各个路段的流量数据和各个路段的通行时间数据匹配；获取节假日的历史气象数据、各个路段的历史流量数据和各个路段节假日的气象数据，基于深度学习算法，预测节假日各个路段的流量数据。2.根据权利要求1所述的节假日道路流量数据预测分析方法，其特征在于，所述根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据，包括：获得的原始数据进行预处理，获得各个车辆的轨迹数据，通过轨迹数据获得各个路段的流量数据。3.根据权利要求1所述的基于交通流时空
‑
特性的节假日道路流量数据预测分析方法，其特征在于，所述以门架、收费站为定节点划分道路，获得各个路段，并对路段进行编号，包括根据门架、收费站位置，确定门架、收费站之间的邻接关系，根据门架、收费站的经纬度，得到各个门架、收费站之间的距离，进而获得各个路段的长度。4.根据权利要求1所述的节假日道路流量数据预测分析方法，其特征在于，所述根据获得的原始数据，计算各个路段的流量数据，以及各个路段的通行时间数据，包括确定邻接门架之间的路段的最大通行时间其中，n为路段的最大通行时间，dis
路段
为路段距离，为路段最低限速；确定小时粒度车流量其中若车辆经过该门架或收费站，计算范围内，其是否经过临近门架或收费站，若是，则将该轨迹加入t时间片路段的轨迹集合确定小时粒度平均通行时间其中，表示小时的车流量，表示车辆轨迹，表示t时间片路段...

【专利技术属性】
技术研发人员：王振华，杨建国，姜德宏，段洪琳，徐华，滕志伟，王雅楠，蔡灿，宁馨丽，黄玉广，马浩，
申请(专利权)人：招商局公路网络科技控股股份有限公司，
类型：发明
国别省市：