[發明專利]一種基于特征重要性的判斷交通擁堵成因的方法

有效

• 申請號: 201710400712.6
• 申請日: 2017-05-31
• 公開（公告）號: CN106997669B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 吳舜堯;宋濤濤;仝婷婷;張齊
• 申請（專利權）人: 青島大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q50/26
• 代理公司: 青島高曉專利事務所(普通合伙) 37104
• 代理人: 高澤玉

本發明涉及交通擁堵成因分析方法，特別涉及一種基于特征重要性的判斷交通擁堵成因的方法；其包括提取擁堵點段的交通擁堵等級及相關特征、基于預測殘差集成特征重要性評估方法獲得擁堵點段的成因庫和基于關聯規則挖掘方法分析某次擁堵的具體原因；其采用多種有監督學習方法，包括Lasso模型、隨機森林模型和線性模型三種方法評估特征重要性，并依據預測誤差對三種方法評估的特征重要性進行加權，所以特征重要性分析可獲得更準確、更穩健的結果，從而保證了交通擁堵成因分析的正確性。

技術領域：

本發明涉及交通擁堵成因分析方法，特別涉及一種基于特征重要性的判斷交通擁堵成因的方法。

背景技術：

我國經濟社會的快速發展，加快了城市化和機動化進程，從而使得道路交通量水平急劇攀升，截至2012年末，我國已成為世界第二大汽車保有量國家；然而，與迅速增長的交通需求相比，我國城市的交通供給能力增長較緩。交通擁堵已成為一個普遍問題，嚴重影響了城市經濟的發展，導致了能源消耗、環境污染，還給人民的生活、工作帶來諸多不便，增加了巨大的社會成本，這對社會的長遠發展是非常不利的。近年來，物聯網、云計算等技術的快速發展催生了智能交通系統，為高效管理城市交通提供了可能。針對智能交通系統采集的交通流量、卡口過車等數據，大量工作開展了道路旅行時間預測、交通流量預測、交通擁堵評價等方面的研發，方便了對城市交通的管理，但對于緩解甚至根治交通擁堵仍有較大欠缺，明確擁堵成因是規劃城市交通、緩解交通擁堵的前提；現有工作大都從宏觀角度剖析，或基于仿真模型探討交通擁堵機理及優化策略，欠缺利用大規模歷史數據分析擁堵點段成因或某次擁堵原因的自動化方法。為此，尋求設計一種將利用智能交通系統采集的數據抽取周期型特征(可反映上下班時段等因素對交通擁堵的影響)、臨時型特征(可反映交通事故等臨時型因素對交通擁堵的影響)、拓撲型特征(可反映臨近點段對關注點段交通擁堵的影響)與功能型特征(可反映天氣、關注點段附近大型設施等對交通擁堵的影響)，選擇交通擁堵等級作為標簽，采用有監督學習方法評估各特征對交通擁堵等級的重要性，并對多種特征重要性評估方法進行集成來判斷交通擁堵成因的方法，具有良好的社會效益和經濟效益。

發明內容：

為了克服現有技術存在的缺陷，本發明提供一種基于特征重要性的判斷交通擁堵成因的方法，集成Lasso模型、隨機森林模型與線性模型評估特征重要性，有效提高交通擁堵成因分析的準確性與穩健性。

為了實現上述目的涉及的基于特征重要性的判斷交通擁堵成因的方法包括以下步驟：。。。

本發明與現有技術相比，采用多種有監督學習方法，包括Lasso模型、隨機森林模型和線性模型三種方法評估特征重要性，并依據預測誤差對三種方法評估的特征重要性進行加權，所以特征重要性分析可獲得更準確、更穩健的結果，從而保證了交通擁堵成因分析的正確性。

附圖說明：

圖1為本發明涉及的基于特征重要性的判斷交通擁堵成因的方法的判斷流程框圖。

圖2為步驟102涉及的獲得擁堵路段成因庫的流程框圖。

具體實施方式：

下面通過實施例并結合附圖對本發明作進一步說明。

實施例1：

本實施例涉及的基于特征重要性的判斷交通擁堵成因的方法包括如下所述的步驟：

A、提取擁堵點段的交通擁堵等級及相關特征：

在該步驟中，將智能交通系統采集的日志數據數據輸入到計算機中進行分析、提取，以得到交通擁堵等級、周期型特征、臨時型特征、拓撲型特征與功能型特征；

提取交通擁堵等級，通過傳入的智能交通系統的數據可知，擁堵等級分為十級，一級為不擁堵，十級為最擁堵；