[發明專利]一種基于交通大數據平臺與中觀仿真模型的預測方法

有效

• 申請號: 202010825580.3
• 申請日: 2020-08-17
• 公開（公告）號: CN111951553B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 吳超騰;高霄;沈丹鳳;蔡章輝;張璐
• 申請（專利權）人: 上海電科智能系統股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04;G06F30/27;G06F30/18
• 代理公司: 上海璀匯知識產權代理事務所(普通合伙) 31367
• 代理人: 王文穎

1.一種基于交通大數據平臺與中觀仿真模型建模及預測方法，其特征在于，包括以下步驟：

利用交通大數據平臺獲取用于訓練中觀仿真模型的訓練集，訓練后的中觀仿真模型基于交通大數據平臺實時采集的數據對交通狀態進行預測，其中：

中觀仿真模型的構建及利用該中觀仿真模型進行預測包括以下步驟：

步驟1、模型選取

中觀模型采用下式(1)和式(2)所示交通流離散狀態方程，將整條路劃分為N段路段，第i段路段的長度為Δ_i，在每條路段的首、末端均設有交通檢測器，以檢測周期T提供實測的交通流量q_i(k)、平均速度v_i(k)數據作為中觀模型的輸入，q_i(k)為第i個路段到第i+1個路段在k時刻的車流流量，v_i(k)第i個路段k時刻的車流空間平均速度，有：

q_i(k)＝αρ_i(k)v_i(k)+(1-α)ρ_i+1(k)v_i+1(k) (1)

式(1)、(2)、(3)、(4)中：ρ_i(k)為第i個路段k時刻的車流密度；r_i(k)為第i個路段k時刻的入口匝道車流率；s_i(k)為第i個路段k時刻的出口匝道車流率；v_f表示車流自由行駛速度；ρ_cr表示臨界密度，即車流量達到最大時的車流密度；b、τ、γ、δ、λ、α為方程的調整系數；ρ表示密度；v(ρ)表示車速；

步驟2、狀態估計模型

采用Kalman濾波器對誤差進行估計，對于非線性系統有：

x(k+1)＝f[x(k)]+Γ[x(k)]w(k) (5)

y(k+1)＝h[x(k+1)]+v(k+1) (6)

式(5)、(6)中，w(k)、v(k)為零均值噪聲向量，且Q(k)為系統噪聲方差矩陣，R(k)測量噪聲矩陣；Γ[x(k)]是噪聲驅動矩陣；x(k)為狀態變量；y(k)為觀測值；f[x(k)]為宏觀交通流模型值；h[x(k)]為觀測模型值；

將原系統在處線性化，表示在時刻k時帶有噪聲的交通流模型估計值，由此得到擴展Kalman濾波器由下列一組遞推方程組成：

其中：

式(7)至式(13)中，為在時刻k時帶有噪聲的交通流模型估計值；為在下一個時刻k+1時帶有噪聲的交通流模型估計值；為在時刻k時的交通流模型；為在時刻k時帶有噪聲的觀測模型估計值；為在時刻k時觀測模型；K(k+1)為下一時刻k+1時的卡爾曼增益；y(k)為時刻k時的觀測值；P(k+1|k)為從時刻k轉移到下一時刻k+1時的系統狀態轉移協方差矩陣；R(k+1)為下一時刻k+1時的觀測噪聲矩陣；P(k)為時刻k下狀態轉移協方差矩陣；Q(k+1)為下一時刻k+1時的系統噪聲方差矩陣；x₁(k)，...，x_2N(k)為各個狀態變量值；f₁，...，f_2N為交通流模型的雅可比矩陣值；h₁、h₂為觀測模型的雅可比矩陣值；為從時刻k轉移到下一時刻k+1時的各個狀態變量估計值；

在給出初始濾波值和初始濾波協方差矩陣P(0)后，依據確定的遞推算法的計算次序逐步計算，對系統狀態進行估計；

步驟3、將N段路段在k時刻的車流密度以及N段路段在k時刻的車流速度作為狀態變量x_n(k)，n＝1，2，...，2N，將N段路段中第一路段的首端的流量及平均速度的實測值作為輸入量，將N段路段中第N路段的密度及平均速度作為輸出量，以此構建訓練集對中觀模型進行參數標定；

步驟4、交通流中觀動態流模型的參數標定：

對中觀模型的參數ρ_cr、v_f、b的學習使用在線學習方法，根據流密速公式：根據實測流量和速度數據，通過遺傳算法，學習出ρ_cr、v_f、b的值；

步驟5：交通流中觀動態模型獲得交通流在道路上時空的演變；

步驟6：計算觀測模型：

首先計算觀測矩陣，然后將觀測矩陣與狀態變量相乘，得到觀測估計值

步驟7：計算狀態轉移矩陣F：

其中

步驟8：確定狀態轉移協方差矩陣Q、觀測噪聲方差矩陣R的值，確定狀態協方差矩陣P的初始值，這些值根據經驗進行賦值；

步驟9：進行擴展卡爾曼濾波計算：根據擴展卡爾曼濾波EKF狀態估計原理中的式(5)至式(13)，進行擴展卡爾曼濾波的迭代計算，從而得到最后解；

步驟10：基于交通事故、管控措施影響分析與標定對未來一段時間OD、通行能力進行預估，重復以上過程實現對未來一段時間交通狀態進行預測。

2.如權利要求1所述的一種基于交通大數據平臺與中觀仿真模型建模及預測方法，其特征在于，所述交通大數據平臺的構建包括以下步驟：

步驟1、基于標準化圖層的仿真區域路網及交通改善方案交通仿真場景自動化建模：按人-車-路-交通環境建立一體化數據規范，生成統一路網GIS圖層；對交通組織、誘導、管控交通方案場景數據建模，并與道路對象進行空間關聯；

步驟2、基于匯聚交通需求、交通流數據、車輛數據，設計標準化層，對各個平臺分散、孤立、不規范的采集數據進行抽取、轉換和加載，形成統一、規范、分層的動態原始數據；

步驟3、針對動態原始數據中存在的數據缺失、不一致、錯誤問題特征，結合數據條件，設計數據質量指標與判別方法，對數據質量問題實現全面識別，并基于空間相關和節點守恒性原理，對問題數據進行修補，形成完整、一致、準確的動態數據；

步驟4、面向仿真輸入與輸出，建立中觀仿真模型和中觀指標體系，對各個指標進行統一定義，設計各個指標標準化處理方法；

步驟5、面向實際仿真建模預測場景，先設計仿真基礎平臺搭建，再對平臺精度驗證，最后實現指標輸出和應用流程；

步驟6、設計業務場景，對接仿真輸出及用戶需求。