[發明專利]一種基于動態交通流量的監測方法

在審

• 申請號: 202011618396.8
• 申請日: 2020-12-31
• 公開（公告）號: CN112651361A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 王士元;劉嘉銘;魯斌;侯超;柴海寧;趙曉嵐
• 申請（專利權）人: 維特瑞交通科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/08;G08G1/01;G08G1/017;G08G1/065
• 代理公司: 石家莊領皓專利代理有限公司 13130
• 代理人: 馮賀珍

本發明涉及交通監控技術領域，提出了一種基于動態交通流量的監測方法，包括S1、確定訓練模型的自變量參數和因變量參數；S2、記錄以上自變量參數、因變量參數的歷史數據；S3、通過BP神經網絡預測得到t+m時刻此十字路口其中一方向下游交通流量BP預測值Q_{bp預測(t+m)}，具體的，由各自變量參數及因變量參數的歷史數據輸入至BP神經網絡，得到BP神經網絡交通模型，t時刻時，各自變量的數值輸入至BP神經網絡交通模型，得到t+m時刻此十字路口此方向下游交通流量BP預測值Q_{bp預測(t+m)}；S4、根據Q_{bp預測(t+m)}獲得Q_預測(t+m)，再決定此十字路口此方向的監控級別M。通過上述技術方案，解決了交通流量預測的精確度和準確度仍然需要進一步的提高問題。

技術領域

本發明涉及交通監控技術領域，具體的，涉及一種基于動態交通流量的監測方法。

背景技術

目前，我國各大城市交通道路上交通流數據采集設備在不斷的更新迭代，促使短時交通流的預測能力不斷提高，對于中國而言，很多城市已經初步保證了交通狀況的24小時監測，為交通流的預測提供了堅實的基礎，特別是隨著5G技術的不斷發展，車輛之間的信息互通也成為了課程，極大的擴展了智能交通的數據信息量；研究表明，城市道路中的交通流大都是大量且動態的，為了事實而準確的獲取這些交通流信息，例如交通流的三要素：交通流量、速度和密集度。交通流量是指在單位時間內，通過道路某點、某一斷面或某一條車道的交通實體數(對于機動車流而言就是車輛數)，交通流量可通過定點調查直接獲得。交通速度分為地點速度(即時速度、瞬時速度)和平均速度。地點速度為車輛通過道路某一點時的速度，時間平均速度為觀測時間內通過道路某斷面所有車輛地點速度的算術平均值，區間平均速度為某一時刻路段上所有車輛地點速度的平均值。密集度包括占有率和密度。占有率即車輛的時間密集度，就是在一定的觀測時間T內，車輛通過檢測器時所占用的時間與觀測總時間的比值。交通密度代表車輛的空間密集度，就是某一瞬間單位道路長度上存在的車輛數。密度只能通過沿路段長度調查法即根據航拍照片來獲得。

針對于交通流量的人工智能研究，近些年也以井噴式的增長在發展，目前最火的人工智能算法當屬神經網絡算法，BP神經網絡就屬于其中一種，它能夠僅僅通過學習便可以找出十分復雜的非線性系統的特征，而不依靠現有的模型，針對于BP神經網絡，雖然已經有很多專家學者提出了很多種預測方法，但到目前為止還沒有任何一種預測模型能夠完全使用于多種場景，由于交通流具有高度的不確定性，因此稍微有一些因素影響，對于各種模型的組合，某種模型對某種影響因素能夠進行較好的擬合出待預測的交通流量，另外種模型的組合不一定對此影響因素能夠達到較好的擬合，現有技術中的交通流量預測的精確度和準確度仍然需要進一步的提高。

發明內容

本發明提出一種基于動態交通流量的監測方法，解決了現有技術中的交通流量預測的精確度和準確度仍然需要進一步的提高問題。

本發明的技術方案如下：

一種基于動態交通流量的監測方法，通過t時刻、t-m時刻某一十字路口交通狀況預測t+m時刻此十字路口其中一方向下游交通流量Q_預測(t+m)，從而對交通流量進行監控，包括以下步驟：

S1、確定訓練模型的自變量參數為

t時刻此十字路口此方向的三個上游交通流量q₁、q₂、q₃，由視頻監控獲得，

t時刻、t-m時刻此十字路口此方向下游交通流量Q_(t)、Q_(t-m)，由視頻監控獲得，

t時刻十字路口此方向下游車輛交通影響級別L，

因變量參數為t+m時刻此十字路口其中一方向下游交通流量Q_預測(t+m)；

S2、記錄以上自變量參數、因變量參數的歷史數據；