一種基于多時刻交通流量的交通速度預測方法

本發(fā)明屬于交通工程，特別涉及一種基于多時刻交通流量的交通速度預測方法。

背景技術：

1、隨著社會經(jīng)濟的快速發(fā)展和人民生活水平的持續(xù)提高，城市道路上的車輛數(shù)量不斷增加，雖然為出行帶來了便利，但也引發(fā)了嚴重的交通擁堵問題。智能交通系統(tǒng)(intelligent?traffic?system，簡稱its)作為一種高效的交通運輸管理系統(tǒng)，可充分利用現(xiàn)有交通基礎設施實現(xiàn)事前交通疏導。其中，交通速度預測是its的重要組成部分，它能動態(tài)捕捉交通流狀態(tài)的發(fā)展趨勢。準確的交通速度預測不僅有助于道路交通管理，還能為個人出行提供指導。例如，道路交通管理部門可以依據(jù)交通速度預測結果確定和預測擁堵地點，并分析交通擁堵的原因，提出相應的解決方案。此外，個人出行前也可以根據(jù)預測結果合理規(guī)劃旅行時間和行程。

2、實際上，許多城市現(xiàn)有的道路基礎設施并未配備交通測速儀器。一方面是無人機和激光雷達等交通速度檢測設備費用昂貴，另一方面是交通檢測設備在采集數(shù)據(jù)時通常存在車輛和樹木等遮擋問題，導致獲取的交通速度數(shù)據(jù)精度不高，無法精確研判交通流態(tài)勢，難以制定和實施精準的交通管控策略。因此，大多數(shù)城市只選擇具有流量檢測功能、造價相對低的攝像設備。與此同時，為適應城市交通的智能化升級，一些城市選擇利用浮動車數(shù)據(jù)或增加交通流量數(shù)據(jù)監(jiān)測設備來感知交通運行狀態(tài)。然而，無論是浮動車數(shù)據(jù)還是攝像檢測數(shù)據(jù)，其核心組成部分都是流量檢測，導致缺失最直接表征交通狀態(tài)的速度數(shù)據(jù)。因此，如何基于交通流量數(shù)據(jù)，利用機器學習算法挖掘流量與速度的復雜關聯(lián)模式是研究重點。目前的交通速度測量方法還需要在道路設施加裝硬件設備進行速度監(jiān)測，導致成本過高的問題；且測速設備存在目標遮擋，導致檢測的速度精度低下的問題。

技術實現(xiàn)思路

1、為了解決現(xiàn)有技術中存在的上述至少一個問題，本發(fā)明提供了一種基于多時刻交通流量的交通速度預測方法。

2、本發(fā)明提供了一種基于多時刻交通流量的交通速度預測方法，所述方法根據(jù)建模位置在當前時刻及其前后時刻的車流量和車速，以及待測位置當前時刻及其前后時刻的車流量，預測出待測位置在當前時刻及其前后時刻的車速。

3、優(yōu)選地，所述方法包括以下步驟：

4、數(shù)據(jù)采集步驟：在道路上的所述建模位置采集時間數(shù)據(jù)、車流量數(shù)據(jù)、速度數(shù)據(jù)；在該道路的待測位置采集時間數(shù)據(jù)、車流量數(shù)據(jù)；

5、矩陣構造步驟：在所述建模位置和待測位置采集的時間數(shù)據(jù)中，假設當前狀態(tài)為m，n表示前一時刻狀態(tài)的時間步長，m表示后一時刻狀態(tài)的時間步長；在所述建模位置，根據(jù)其車流量數(shù)據(jù)構建流量矩陣，根據(jù)其速度數(shù)據(jù)構建速度矩陣；在所述待測位置，根據(jù)其車流量數(shù)據(jù)構建流量矩陣；

6、訓練步驟：將所述建模位置的流量矩陣和速度矩陣輸入機器學習模型進行訓練，得出交通流量-速度匹配關系模型；

7、速度預測步驟：將所述待測位置的車流量矩陣輸入所述機器學習模型，通過所述交通流量-速度匹配關系模型，計算得出所述待測位置在每一次檢測時刻的預測速度。

8、優(yōu)選地，所述矩陣構造步驟中，n和m的取值相同或不相同。

9、優(yōu)選地，所述矩陣構造步驟中，n的取值范圍為0-5，m的取值范圍為0-5。

10、優(yōu)選地，所述矩陣構造步驟中，n的取值范圍為1-4，m的取值范圍為1-4。

11、優(yōu)選地，所述矩陣構造步驟中，n的取值范圍為2-4，m的取值范圍為2-4。

12、優(yōu)選地，所述矩陣構造步驟中，n的取值范圍為2-5，m的取值范圍為2-5。

13、優(yōu)選地，所述矩陣構造步驟中，n的取值范圍為3-5，m的取值范圍為3-5。

14、優(yōu)選地，所述矩陣構造步驟中，n的取值為3，m的取值為3。

15、優(yōu)選地，所述訓練步驟中，所述機器學習模型選自：長短期記憶網(wǎng)絡模型、反向傳播網(wǎng)絡、分類回歸樹、k近鄰網(wǎng)絡、支持向量回歸網(wǎng)絡，優(yōu)選為長短期記憶網(wǎng)絡模型。

16、所述方法根據(jù)建模位置在當前時刻及其前后時刻的車流量和車速，以及待測位置當前時刻及其前后時刻的車流量，預測出待測位置在當前時刻及其前后時刻的車速。

17、相比現(xiàn)有技術，本發(fā)明具有以下有益效果：

18、1、本發(fā)明是基于流量信息的短時交通速度預測方法，可以解決道路設施需要加裝硬件設備進行速度監(jiān)測導致的成本過高，且測速設備存在目標遮擋導致檢測的速度精度低下的技術問題。

19、2、本發(fā)明提出的方法僅依靠交通流量數(shù)據(jù)即可快速感知路網(wǎng)運行狀態(tài)，可以幫助出行者規(guī)劃出行路線，也可以幫助道路管理人員識別擁堵點并制定擁堵緩解策略。例如，高速公路上的電子不停車收費系統(tǒng)(etc)可以獲取交通流數(shù)據(jù)，但無法獲取車輛行駛速度信息，單獨的流量數(shù)據(jù)無法充分反映高速公路的運行狀態(tài)。但本發(fā)明中基于etc系統(tǒng)的流量數(shù)據(jù)，可以預測車速，進而評估高速公路的運行狀態(tài)。

20、3、本發(fā)明無需在道路上設置激光雷達等較為昂貴的交通測速儀器，僅憑交通數(shù)據(jù)流量即可預判未來的交通速度等，檢測成本低廉。

技術特征：

1.一種基于多時刻交通流量的交通速度預測方法，其特征在于：

2.根據(jù)權利要求1所述的方法，其特征在于：

3.根據(jù)權利要求2所述的方法，其特征在于：

4.根據(jù)權利要求3所述的方法，其特征在于：

5.根據(jù)權利要求3所述的方法，其特征在于：

6.根據(jù)權利要求3所述的方法，其特征在于：

7.根據(jù)權利要求3所述的方法，其特征在于：

8.根據(jù)權利要求3所述的方法，其特征在于：

9.根據(jù)權利要求3所述的方法，其特征在于：

10.根據(jù)權利要求3-9中任一項所述的方法，其特征在于：

技術總結
本發(fā)明屬于交通工程技術領域，特別涉及一種基于多時刻交通流量的交通速度預測方法。所述方法根據(jù)建模位置在當前時刻及其前后時刻的車流量和車速，以及待測位置當前時刻及其前后時刻的車流量，預測出待測位置在當前時刻及其前后時刻的車速。該方法包括：數(shù)據(jù)采集、矩陣構造、訓練、速度預測幾個步驟。本發(fā)明是基于流量信息的短時交通速度預測方法，可以解決道路設施需要加裝硬件設備進行速度監(jiān)測導致的成本過高，且測速設備存在目標遮擋導致檢測的速度精度低下的技術問題；本發(fā)明無需在道路上設置激光雷達等較為昂貴的交通測速儀器，僅憑交通數(shù)據(jù)流量即可預判未來的交通速度等，檢測成本低廉。

技術研發(fā)人員：高亞聰,周晨靜,陳春安
受保護的技術使用者：廣州大學
技術研發(fā)日：
技術公布日：2025/1/6