本發(fā)明屬于城市道路交通，具體是一種道路擁堵預測方法。

背景技術：

1、隨著生活水平的不斷提高，使得車輛保有量也急速增加，城市交通基礎設施和人民交通出行需求的矛盾也越來越突出。因此城市交通擁堵預測變得越來越重要。

2、現有技術通過道路寬度、車流量和車速等參數計算道路擁堵值，根據道路擁堵值對道路擁堵情況進行預測；然而，不同道路的擁堵點數量不盡相同，現有技術難以根據道路的擁堵點數量對道路擁堵進行預測，導致對道路擁堵預測的準確性不高；此外，道路的不同道路單元的擁堵程度存在差異，現有技術難以基于道路中不同道路單元的擁堵程度綜合評估道路的擁堵狀況，導致對道路擁堵預測的準確性不高。

3、本發(fā)明提出一種道路擁堵預測方法，以解決上述技術問題。

技術實現思路

1、本發(fā)明旨在至少解決現有技術中存在的技術問題之一；為此，本發(fā)明提出了一種道路擁堵預測方法，用于解決現有技術難以根據道路的擁堵點數量對道路擁堵進行預測，導致對道路擁堵預測的準確性不高；此外，道路的不同道路單元的擁堵程度存在差異，現有技術難以基于道路中不同道路單元的擁堵程度綜合評估道路的擁堵狀況的技術問題。

2、為實現上述目的，本發(fā)明的第一方面提供了一種道路擁堵預測方法，包括：

3、s1：基于路口位置將目標道路劃分為若干道路單元；

4、s2：獲取各道路單元的道路基本信息和歷史車輛通行信息；其中，基本信息包括道路寬度、道路長度、擁堵點數量和紅綠燈周期；歷史車輛通行信息包括車輛通行時長、車輛通行速度和車輛等待數量；

5、s3：對歷史車輛通行信息進行預處理，得到歷史車輛通行數據；

6、s4：基于道路基本信息和歷史車輛通行數據計算目標道路的道路擁堵系數；

7、s5：獲取目標道路在預測周期時的道路擁堵系數預測值；

8、s6：基于道路擁堵系數預測值和預設的道路擁堵范圍閾值進行比較，得到擁堵程度；其中，擁堵程度包括無擁堵、輕度擁堵和嚴重擁堵。

9、需要說明的是，各道路單元的車輛通行時長、車輛通行速度和車輛等待數量均為對應歷史車輛通行數據的平均值；其中，車輛通行時長為所有車輛從道路單元的一側行駛至另一側所需的平均時長。

10、優(yōu)選的，所述基于路口位置將目標道路劃分為若干道路單元，包括：

11、獲取目標道路的路口位置；將目標道路中相鄰兩路口位置之間的道路劃分為道路單元，并將道路單元標記為i；其中，i＝1，2，…，n，n為道路單元的總數。

12、優(yōu)選的，所述擁堵點為道路單元中在設定時間內發(fā)生擁堵的次數大于設定閾值的地點。

13、優(yōu)選的，所述對歷史車輛通行信息進行預處理，包括：

14、a1：提取若干連續(xù)周期的歷史車輛通行信息；

15、a2：將歷史車輛通行信息中的異常數據剔除；

16、a3：對歷史車輛通行信息中的缺失數據進行填補；

17、a4：將經過預處理的歷史車輛通行信息，標記為歷史車輛通行數據。

18、優(yōu)選的，所述基于道路基本信息和歷史車輛通行數據計算目標道路的道路擁堵系數，包括：

19、b1：獲取各道路單元的道路基本信息和歷史車輛通行數據；

20、b2：基于道路寬度、道路長度和擁堵點數量計算各道路單元的擁堵點密度；

21、b3：基于擁堵點密度、紅綠燈周期和歷史車輛通行數據計算各道路單元的道路擁堵系數；

22、b4：通過公式計算得到目標道路的道路擁堵系數dyx；其中，ki為道路單元i對應的權重系數且dyxi為道路單元i對應的道路擁堵系數。

23、本發(fā)明通過單獨計算目標道路中不同道路單元的道路擁堵系數，然后將各道路單元的道路擁堵系數通過加權平均計算得到目標道路的道路擁堵系數，能夠綜合評估各道路單元對目標道路擁堵的影響，有利于提高對道路擁堵進行預測的準確性。

24、優(yōu)選的，所述基于道路寬度、道路長度和擁堵點數量計算各道路單元的擁堵點密度，包括：

25、提取道路寬度、道路長度和擁堵點數量；通過公式計算道路單元i的擁堵點密度ydmi；其中，ydsi為道路單元i的擁堵點數量，dki為道路單元i的道路寬度，dci為道路單元i的道路長度。

26、本發(fā)明通過將道路寬度、道路長度和擁堵點數量代入公式，計算得到各道路單元的擁堵點密度，能夠準確地反映出各道路單元發(fā)生擁堵的概率，有利于提高后續(xù)計算道路單元的道路擁堵系數的準確性。

27、優(yōu)選的，所述基于擁堵點密度、紅綠燈周期和歷史車輛通行數據計算各道路單元的道路擁堵系數，包括：

28、提取各道路單元的道路基本信息和歷史車輛通行數據；

29、通過公式計算道路單元i的道路擁堵系數dyxi；

30、其中，hlzi為道路單元i的紅綠燈周期，hbzi為道路單元i的紅綠燈標準周期，sci為道路單元i的車輛通行時長，sdi為道路單元i的車輛通行速度，sli為道路單元i的車輛等待數量；ai、bi、ci、di、ei為道路單元i對應的比例系數且均大于0；h為防止除零設置的常數，并且0<h<1。

31、本發(fā)明通過將擁堵點密度、紅綠燈周期和歷史車輛通行數據進行公式化處理，計算得到各道路單元的道路擁堵系數，使得道路擁堵系數能夠準確地、多維度地反映出擁堵點密度、紅綠燈周期和歷史車輛通行數據對于道路單元擁堵程度的影響，有利于提高對道路擁堵進行預測的準確性。

32、優(yōu)選的，所述獲取目標道路在預測周期時的道路擁堵系數預測值，包括：

33、提取目標道路最近若干連續(xù)周期的道路擁堵系數并標記為標準數據集，將標準數據集輸入至道路擁堵預測模型，得到目標道路在預測周期時的道路擁堵系數預測值；其中，道路擁堵預測模型通過人工智能模型訓練得到。

34、優(yōu)選的，所述道路擁堵預測模型通過人工智能模型訓練得到，包括：

35、提取若干連續(xù)周期的道路擁堵系數并整合為若干組訓練數據和檢驗數據；使用訓練數據對人工智能模型進行訓練；使用檢驗數據對訓練后的人工智能模型進行檢驗，根據檢驗結果對人工智能模型進行調整；最終得到輸入為最近若干個連續(xù)周期的道路擁堵系數，輸出為預測周期的道路擁堵系數的道路擁堵預測模型；其中，人工智能模型包括bp神經網絡模型或者rbf神經網絡模型。

36、本發(fā)明通過提取道路擁堵系數用于訓練人工智能模型，訓練完成后得到道路擁堵預測模型，通過將若干個連續(xù)周期的道路擁堵系數輸入至道路擁堵預測模型，得到預測周期的道路擁堵系數，有利于提前預估出道路的擁堵程度并采取對應的措施，便于人們對出行計劃進行提前調整，有利于提高車輛通行效率以及降低擁堵發(fā)生的概率。

37、優(yōu)選的，所述基于道路擁堵系數預測值和預設的道路擁堵范圍閾值進行比較，包括：

38、z1：提取道路擁堵系數預測值dyx預測；

39、z2：設置道路擁堵范圍閾值[ydy1,ydy2]；其中，ydy1<ydy2，道路擁堵范圍閾值根據專家的經驗設置；

40、z3：判斷道路擁堵系數預測值dyx預測是否在道路擁堵范圍閾值內；是，則將擁堵程度標記為輕度擁堵；否，則跳轉至z4；

41、z4：判斷道路擁堵系數預測值dyx預測是否小于ydy1；是，則將擁堵程度標記為無擁堵；否，則將擁堵程度標記為嚴重擁堵。

42、與現有技術相比，本發(fā)明的有益效果是：

43、1.本發(fā)明通過單獨計算目標道路中不同道路單元的道路擁堵系數，然后將各道路單元的道路擁堵系數通過加權平均計算得到目標道路的道路擁堵系數，能夠綜合評估各道路單元對目標道路擁堵的影響，有利于提高對道路擁堵進行預測的準確性。

44、2.本發(fā)明通過將道路寬度、道路長度和擁堵點數量代入公式，計算得到各道路單元的擁堵點密度，能夠準確地反映出各道路單元發(fā)生擁堵的概率，有利于提高后續(xù)計算道路單元的道路擁堵系數的準確性。

45、3.本發(fā)明通過將擁堵點密度、紅綠燈周期和歷史車輛通行數據進行公式化處理，計算得到各道路單元的道路擁堵系數，使得道路擁堵系數能夠準確地、多維度地反映出擁堵點密度、紅綠燈周期和歷史車輛通行數據對于道路單元擁堵程度的影響，有利于提高對道路擁堵進行預測的準確性。

46、4.本發(fā)明通過提取道路擁堵系數用于訓練人工智能模型，訓練完成后得到道路擁堵預測模型，通過將若干個連續(xù)周期的道路擁堵系數輸入至道路擁堵預測模型，得到預測周期的道路擁堵系數，有利于提前預估出道路的擁堵程度并采取對應的措施，便于人們對出行計劃進行提前調整，有利于提高車輛通行效率以及降低擁堵發(fā)生的概率。