[發明專利]基于交通流參數預測的交通態勢評估方法

有效

• 申請號: 202210010168.5
• 申請日: 2022-01-06
• 公開（公告）號: CN114495494B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 項云浩;佘堃;胡成華
• 申請（專利權）人: 電子科技大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/0442;G06N3/08
• 代理公司: 成都科奧專利事務所(普通合伙) 51101
• 代理人: 蘇亞超

本發明涉及交通數據處理技術領域，具體涉及一種基于交通流參數預測的交通態勢評估方法，包括獲取當前道路的車流量和平均車速，得到樣本數據；對樣本數據進行填補空缺值和去除異常值，得到清洗數據；基于清洗數據利用深度學習模型預測預設時間段的車流量和平均車速，得到預測車流量和預測車速；根據預測車速計算第一交通態勢等級；根據預測車流量計算第二交通態勢等級；查詢與當前道路的名稱對應的擁堵評價信息；將第一交通態勢等級、第二交通態勢等級和擁堵評價信息進行加權計算，得到最終交通態勢等級，解決了現有的交通態勢評估方法的計算量較大，降低了交通態勢評估結果的精確度的問題。

技術領域

本發明涉及交通數據處理技術領域，尤其涉及一種基于交通流參數預測的交通態勢評估方法。

背景技術

隨著社會經濟實力與科技水平的發展，交通智能化已成為未來交通運輸的發展趨勢。近年來，世界各國都加大智能交通的研發力度。城市交通誘導系統是智能交通運輸系統的一個重要方面，其通過實時采集、分析交通信息獲取實時交通狀態。目前，國內外交通誘導系統中的交通態勢狀態以各種信息通訊手段為基礎，綜合考慮車輛、道路一體化集成，實現交通參與者、車輛、交通基礎設施、管理者之間的關聯。

現有的交通態勢評估方法通過從海量的交通信息中獲取實時交通狀態并計算得到的交通態勢評估結果，但由于交通信息量較大，使得增加了計算量，從而降低了交通態勢評估結果的精確度。

發明內容

本發明的目的在于提供一種基于交通流參數預測的交通態勢評估方法，旨在解決現有的交通態勢評估方法的計算量較大，降低了交通態勢評估結果的精確度的問題。

為實現上述目的，本發明提供了一種基于交通流參數預測的交通態勢評估方法，包括以下步驟：

獲取當前道路的車流量和平均車速，得到樣本數據；

填補所述樣本數據的空缺值，得到填充數據，將所述填充數據中的異常值去除，得到清洗數據；

基于所述清洗數據利用深度學習模型預測預設時間段的車流量和平均車速，得到預測車流量和預測車速；

根據所述預測車速計算第一交通態勢等級；

根據所述預測車流量計算第二交通態勢等級；

查詢與所述當前道路的名稱對應的擁堵評價信息；

將所述第一交通態勢等級、所述第二交通態勢等級和所述擁堵評價信息進行加權計算，得到最終交通態勢等級。

其中，所述填補所述樣本數據的空缺值，得到填充數據，將所述填充數據中的異常值去除，得到清洗數據的具體方式為：

將歷史數據中的車流量和平均車速作為參考數據，將所述參考數據加上高斯噪聲后填充至所述空缺值，得到填充數據；

將所述填充數據中超過所述當前道路限速值的數據判定為異常值；

使用所述當前道路的限速值將所述異常值替換，得到清洗數據。

其中，所述基于所述清洗數據利用深度學習模型預測預設時間段的車流量和平均車速，得到預測車流量和預測車速的具體方式為：

搭建Conv_LSTM網絡和Bi_LSTM網絡；

將所需預測道路作為中心，并提取所述中心的上下游路段的車流量和平均車速，構成矩陣；

將所述矩陣輸入至所述所述Conv_LSTM網絡，得到空間特征；

對所述清洗數據中的歷史數據的同時刻進行采樣，構成以天和周為時間基礎的矩陣數據；

將所述矩陣數據輸入至所述Bi_LSTM網絡，得到周期性特征；