[發明專利]一種融合節假日影響的日交通流參數預測方法

在審

• 申請號: 202111167003.0
• 申請日: 2021-10-01
• 公開（公告）號: CN113971479A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 李保;陳諾;金盛;沈航;于涵誠;金炎君
• 申請（專利權）人: 浙江省機電設計研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/10;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發明提供了一種融合節假日影響的日交通流參數預測方法。基于卷積神經網絡(CNN)與長短時記憶網絡(LSTM)構成的深度學習方法，將交通流模式與各環境因素相結合，同時考慮節假日對交通流模式的影響，并融入從交通流參數數據自身中提取出的節假日“特殊與否”這一特性，實現時間序列長度為一整日的交通流參數預測。本發明預測效果優良，通過實例分析表明，該方法預測精度高，可操作性強，優于許多現有的方法。

技術領域

本發明涉及一種融合節假日影響的日交通流參數預測方法，屬于智能交通領域。

背景技術

交通流預測是智能交通中的一個重要問題，至今已有二十多年的研究歷史。對交通流參數(流量、速度)進行預測，可以為交通設施的規劃、設計提供理論支撐，也為交通管理和控制提供參考依據，其中，日交通流參數預測的作用主要為幫助交通管理機構及時安排適當的管理或信號控制計劃，從而確保運作效率。

節假日(包括國定節假日以及國定節假日的前后一天)的日交通流狀況常常與非節假日的日交通流狀況存在不小的差異，因此捕捉交通流參數與節假日之間的相關性具有顯著意義，然而，近年來，大多數關于交通流預測的研究只是基于簡單的深度學習方法，并不考慮交通流參數與節假日之間的關系，此外，節假日的日交通流狀況與非節假日的日交通流狀況也并非一定存在明顯的差異，節假日的日交通流狀況與非節假日的日交通流狀況也有非常相似的可能，目前的研究也缺乏對這一點的考慮。

發明內容

為了解決背景技術中存在的問題，本發明提出了一種融合節假日影響的日交通流參數預測方法。該方法的基本思路是，獲取交通流參數數據與環境因素標簽、節假日標簽、節假日特殊與否標簽的標記數據，利用特定的卷積神經網絡(CNN)，從交通流參數數據中提取日間和日內的交通流模式，然后將提取的特征輸入到長短時記憶網絡(LSTM)單元中，融合環境因素標簽、節假日標簽、節假日特殊與否標簽的標記數據，得到最終預測結果。

本方法的基本步驟如下：

一種融合節假日影響的日交通流參數預測方法，包括以下步驟：

c1、采集交通流參數數據；

c2、標記環境因素標簽；

c3、標記節假日標簽；所述節假日包括國定節假日、國定節假日的前一天、國定節假日的后一天；

c4、定義表征節假日與非節假日交通狀態差異程度的指標，即日速度數據差異率S；S為在選擇交通流參數為速度的前提下，于給定時間范圍內，任一節假日的日速度數據與所有非節假日的平均日速度數據比較，絕對百分比誤差超過一定閾值的時間間隔數占日時間間隔總數的百分比；

c5、計算日速度數據差異率S，并標記節假日特殊與否標簽；

c6、構建日交通流參數預測模型；

c7、預測日交通流參數。

上述技術方案中，進一步地，步驟c1的過程包括：

所述交通流參數為流量、速度，數據為兩年及以上連續N天的數據；若要預測速度，可僅采集速度數據，若要預測流量，需同時采集流量與速度數據；

所述采集交通流參數數據的方法為以一定時間間隔為單位，記錄數據采集位置的車輛流量或平均速度，時間間隔可以為5-30分鐘。

進一步地，步驟c2的過程包括：

所述環境因素包括：周幾、月份、天氣；

所述標記環境因素標簽的方法為：

其中，“周幾”標簽的標記方法為根據已獲取交通流參數數據日的日期，對應查找每一天為一周中的周幾，屬周一、周二至周日，則分別以1、2至7進行標簽的標記；