[發明專利]一種基于多源數據融合的城市道路流量預測方法

有效

• 申請號: 201710557082.3
• 申請日: 2017-07-10
• 公開（公告）號: CN107134142B
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 王璞;魯恒宇
• 申請（專利權）人: 中南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 楊萍

本發明提供了一種基于多源數據融合的城市道路流量預測方法，包括以下步驟：步驟一：基于手機信令數據提取常駐居民的出行OD；將出行OD分配至城市路網上，得到路段的分配流量；步驟二：基于卡口記錄得到卡口對應路段的總觀測流量與常用車觀測流量；步驟三：選取區域內具有觀測流量的路段，根據其分配流量與觀測流量數據，建立表征路段的分配流量與觀測流量的時變相關關系的線性回歸方程；步驟四：根據線性回歸方程及區域內常用車占比建立該區域內路段流量的動態預測模型；步驟五：對該區域內不具有觀測流量的路段，將其分配流量輸入動態預測模型，預測其時變的流量。數據獲取便利，成本低，實施簡單，便于在多個城市開展流量預測工作。

技術領域

本發明涉及一種基于多源數據融合的城市道路流量預測方法。

背景技術

道路交叉路口和道路斷面流量是城市交通狀況的重要組成部分，準確、合理地進行交通狀況預測是進行交通控制和交通流誘導的基礎。傳統的城市道路交通斷面流量獲取方法有三種，第一也是通常的做法是通過人口調查方法獲取，這不僅耗費大量的人力物力資源，而且調查周期長，這些原因導致人群分布感知的結果缺少時效性。第二是利用環形線圈檢測器、視頻車輛檢測器等硬件設備，采用識別視頻或圧感檢測道路斷面流量。第三是通過城市短時交通流量預測來獲取城市交通流量；現行的預測方法有卡爾曼濾波預測、時間序列預測等，通過建立道路交通流模型進行預測，其中不乏一些模型應用到了城市道路的實時預測。眾所周知，一份全面、準確、合理、實時的交通流量是實際應用智能交通的基礎，但經分析，上述獲取道路段斷面流量的方法仍然存在下列缺點：

1)大面積覆蓋仍然仍需投入較大的成本；

2)受限于檢測地的實際狀況以及硬件設置問題，檢測中存在異常信息；

3)方法和模型涉及到大量的向量計算，算法復雜，計算量過大。

綜上所述，目前的道路流量預測方法仍然存在不足，或調查覆蓋面過少，難以獲得實時信息；或預測方法技術較復雜，實施難度較高，模型計算量大，難以大面積應用到實際交通。由此可見，提供一種高效、經濟的方法對交通流量進行科學合理地預測，對于智能交通系統中交通規劃、交通誘導、交通管理、交通控制與安全都具有重要意義。

發明內容

本發明所解決的技術問題是，針對現有技術的不足，提出一種基于多源數據融合的城市道路流量預測方法，通過融合手機信令數據和卡口數據建立動態預測模型，預測城市道路斷面流量，數據獲取便利，成本低，實施簡單，便于在多個城市開展流量預測工作。

一種基于多源數據融合的城市道路流量預測方法，包括以下步驟：

步驟一：基于手機信令數據提取常駐居民的出行OD，每個出行OD為一個二維向量，其第1個分量為出行的起始節點，第2個分量為出行的終止節點；將出行OD分配至城市路網上，得到路段的分配流量；

步驟二：基于卡口記錄區分常用車與非常用車，提取常用車與非常用車流量，得到卡口對應路段的總觀測流量與常用車觀測流量；

步驟三：選取區域內具有觀測流量的路段，根據其分配流量與觀測流量，建立表征該區域內路段的分配流量與觀測流量的時變相關關系的線性回歸方程；

步驟四：根據線性回歸方程及區域內常用車占比建立該區域內路段流量的動態預測模型，用于預測該區域內不具有觀測流量的路段的流量；所述常用車占比為區域內被卡口記錄的常用車觀測流量占總觀測流量的比例；

步驟五：對該區域內不具有觀測流量的路段，將其分配流量輸入動態預測模型，預測其時變的流量。

進一步地，在所述的步驟一中，對手機信令數據進行基于穩定點的住址小區判斷，進而判斷用戶是否為常駐居民；具體步驟如下：

1.1)對手機信令數據進行處理，統計用戶各個時段在各個位置的累計停留時間；