[發明專利]一種交通擁堵預測方法及系統

在審

• 申請號: 202110606622.9
• 申請日: 2021-05-27
• 公開（公告）號: CN113160570A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 李松江;趙健宏;楊迪;王鵬;任志鵬;宋小龍
• 申請（專利權）人: 長春理工大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/08;G06N3/04
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 程華

本發明涉及一種交通擁堵預測方法及系統。所述方法包括獲取待預測路網內所有車輛的歷史軌跡數據；所述待預測路網由多個路段組成；對于任意一個路段，根據所述路段在設定時間段內所有車輛的歷史軌跡數據得到設定時間段內所述路段的平均速度；將所有時間段內各路段的平均速度確定為所述待預測路網的擁堵特征矩陣；根據所述待預測路網中所有路段的位置關系得到所述待預測路網的鄰接矩陣；將所述待預測路網的擁堵特征矩陣和所述待預測路網的鄰接矩陣輸入擁堵預測模型得到擁堵預測結果。本發明能夠提高交通擁堵的預測情況。

技術領域

本發明涉及交通擁堵預測技術領域，特別是涉及一種交通擁堵預測方法及系統。

背景技術

針對城市交通網絡的復雜性，隨著深度學習技術的日漸成熟，存在以下現有技術來預測交通的擁堵情況：(1)通過多任務學習模型MDL，預測整個路網的節點流和邊緣流，得到交通的擁堵情況。(2)基于稀疏軌跡數據，提出一種基于圖的CNN-LSTM模型進行長期的交通預測。(3)利用圖卷積和時間特征，提出一種時間相關性的數據規約方法進行短期的交通預測。(4)基于深度卷積神經網絡，建立了名為PCNN的新方法用于短時交通擁堵預測。

上述現有技術并未考慮路段相互之間的影響和時空特性，導致交通擁堵的預測結果不準確。

發明內容

本發明的目的是提供一種交通擁堵預測方法及系統，能夠提高交通擁堵的預測情況。

為實現上述目的，本發明提供了如下方案：

一種交通擁堵預測方法，包括：

獲取待預測路網內所有車輛的歷史軌跡數據；所述待預測路網由多個路段組成；

對于任意一個路段，根據所述路段在設定時間段內所有車輛的歷史軌跡數據得到設定時間段內所述路段的平均速度；

將所有時間段內各路段的平均速度確定為所述待預測路網的擁堵特征矩陣；

根據所述待預測路網中所有路段的位置關系得到所述待預測路網的鄰接矩陣；

將所述待預測路網的擁堵特征矩陣和所述待預測路網的鄰接矩陣輸入擁堵預測模型得到擁堵預測結果。

可選的，所述獲取待預測路網內所有車輛的歷史軌跡數據，具體包括：

對于任意一個車輛，獲取所述車輛在各歷史時間點的車輛軌跡集合，所述車輛軌跡集合包括經緯度、速度和車輛狀態；

判斷所述車輛軌跡集合是否符合第一條件、第二條件或者第三條件，得到第一判斷結果；所述第一條件為所述車輛軌跡集合對應的車輛狀態不為空車且不為載客；所述第二條件為所述車輛軌跡集合對應的速度為0且第一時間點的經緯度與第二時間點的經緯度相同，所述第一時間點為與所述速度對應的歷史時間點的前一時刻；所述第二時間點為與所述速度對應的歷史時間點的后一時刻；所述第三條件為所述車輛軌跡集合對應的歷史時間點為空；

若所述第一判斷結果為是，則刪除所述車輛軌跡集合，得到預處理后的車輛軌跡集合；

將所有車輛的預處理后的車輛軌跡集合確定為所述待預測路網內所有車輛的歷史軌跡數據。

可選的，所述根據所述路段在設定時間段內所有車輛的歷史軌跡數據得到設定時間段內所述路段的平均速度，具體包括：