System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种考虑相邻节点的高速公路收费站交通流量预测装置制造方法及图纸_技高网

一种考虑相邻节点的高速公路收费站交通流量预测装置制造方法及图纸

技术编号:40829994 阅读:5 留言:0更新日期:2024-04-01 14:52
本发明专利技术涉及一种考虑相邻节点的高速公路收费站交通流量预测装置,通过交通流量监控系统获取当前高速收费站以及与之强关联收费站节点的交通流量,将以上参数生成数据集,通过图卷积神经网络提取收费站之间的空间关联特征;将图卷积神经网络的提取结果作为长短时记忆网络的输入,提取收费站交通流数据的时间相关性特征;建立组合预测模型,通过实时采集的交通流数据对未来收费站的交通流量进行预测,并指导交通引导和调度措施的发布。

【技术实现步骤摘要】

本专利技术涉及智慧交通,具体涉及一种考虑相邻节点的高速公路收费站交通流量预测装置,应用于对高速公路收费站交通流量进行短时周期性预测,用于指导交通管控引导与用户端通行建议信息发布。


技术介绍

1、随着高速公路路网不断完善与机动车保有量快速增长,高速公路出行需求不断增加,随之引起的高速公路收费站交通通行压力极大增加。因此,为保障高速公路下行收费站交通流合理分配调度,针对收费站交通拥堵问题,拟搭配适用于预测算法的传感器系统,采用预测模型对收费站未来交通流量进行预测,指导交通调度决策与信息发布,优化高速公路交通运行情况与群众出行体验。

2、现有针对高速公路收费站交通流量预测算法主要通过学习交通流序列的长期相关性以及捕捉时间特征,并未考虑同一地市多个高速收费站节点之间的空间相关性,因此在交通流量较大的情况下难以实现收费站下行交通流量的准确预测。


技术实现思路

1、基于上述问题,本专利技术提出了一种考虑相邻节点的高速公路收费站交通流量预测装置,在考虑收费站交通流时序特征的同时,通过图卷积神经网络提取交通数据的空间相关性,提高预测精度。所提装置硬件仅需对现有收费站机电设备进行改造,结构简单、成本较低。部分优化现有收费站交通流量预测精度不足、交通调度决策来源少的问题。

2、一种考虑相邻节点的高速公路收费站交通流量预测装置,包括:车辆识别单元,车道及交通流量监测单元、通信单元、交通流量预测单元,其中:

3、所述车辆识别单元,用于识别收费站前广场矩形面积内的实时车流量;

4、所述车道及交通流量监测单元,通过监测收费站机电箱内车道雨棚灯控制信号与栏杆机机电控制信号获取车道开放数目及时间t期间车辆通行流量;

5、所述通信单元,用于实现各监测单元之间的lora数据传输汇总并向交通流量预测单元上传;

6、所述交通流量预测单元,用于数据的预处理,结合相邻强相关收费站交通流量数据,依靠预测模型对短期内该收费站短期内交通流量进行预测。

7、进一步的,所述交通流量预测单元使用如下方法对短期内该收费站短期内交通流量进行预测:

8、步骤1:获取收费站交通数据集合并且进行预处理,获得当前收费站和与之强关联收费站特定位置的车流参数,将上述参数生成输入数据集,将交通流量数据整理成三维格式;

9、步骤2:构建强关联节点收费站交通流空间特征预测模型,通过图卷积神经网络,利用数据集提取收费站交通流数据的空间关联特征,根据同一时刻不同通行情况的数据,使用图卷积神经网络进行特征提取搭建强关联节点收费站交通流空间特征预测模型将提取结果;采用两个图卷积层来提取空间特征,通过图卷积神经网络在傅里叶域内构造滤波器,通过其一届领域捕获各收费站节点之间的空间特征,通过叠加多个卷积层构建图卷积神经网络模型,单一图卷积层计算公式如下式:

10、

11、其中σ表示leaky relu激活函数,是无向图g的邻接矩阵加其自连接,计算方法为i为单位矩阵;为的度矩阵,除对角线外的元素值都为0,对角线上的元素值为h(l)为第l+1层的输入矩阵,h(l+1)为第l+1层输出,h(0)=x;θ(l)为第l+1层的参数矩阵;

12、步骤3:构建长短时记忆循环单元,长短时记忆模型由输入门、遗忘门、输出门组成,将步骤2中提取的空间关联特征作为输入数据集输入到长短时记忆循环单元中进行处理,提取收费站交通流的时间相关性特征;

13、步骤4:基于训练后的组合预测模型,进行收费站交通流量预测。

14、进一步的,所述考虑相邻节点的高速公路收费站交通流量预测装置采用大量历史数据作为组合模型的输入进行模型训练,直至模型的准确率达到一定标准,完成预测模型的应用,根据当前收费站与附近强关联收费站车流量进行未来交通状况预测,并采取相应的管控措施。

15、本专利技术的上述技术方案的优化效果如下:

16、上述方案中,通过多种传感器系统监测收费站的机电信号和交通流数据,相比于使用传统的etc收费数据计算车流量的方法具有更强的准确性与实时性;使用图卷积神经网络提取收费站交通流量的空间特征可获取交通流数据的空间相关性特征,考虑了多个收费站节点之间的交通流影响,结合长短时记忆网络提取的交通流数据时间特征,实现了更加准确的短时交通流数据信息获取与预测,提升了结果准确性与实时性。

本文档来自技高网...

【技术保护点】

1.一种考虑相邻节点的高速公路收费站交通流量预测装置,其特征在于,包括:车辆识别单元,车道及交通流量监测单元、通信单元、交通流量预测单元,其中:

2.根据权利要求1所述的考虑相邻节点的高速公路收费站交通流量预测装置,其特征在于,所述交通流量预测单元使用如下方法对短期内该收费站短期内交通流量进行预测:

3.根据权利要求2所述的考虑相邻节点的高速公路收费站交通流量预测装置,其特征在于,交通流量预测单元采用大量历史数据作为组合模型的输入进行模型训练,直至模型的准确率达到一定标准,完成预测模型的应用,根据当前收费站与附近强关联收费站车流量进行未来交通状况预测,并采取相应的管控措施。

【技术特征摘要】

1.一种考虑相邻节点的高速公路收费站交通流量预测装置,其特征在于,包括:车辆识别单元,车道及交通流量监测单元、通信单元、交通流量预测单元,其中:

2.根据权利要求1所述的考虑相邻节点的高速公路收费站交通流量预测装置,其特征在于,所述交通流量预测单元使用如下方法对短期内该收费站短期内交通流量...

【专利技术属性】
技术研发人员:段承君
申请(专利权)人:山西省智慧交通研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1