本發(fā)明屬于城市道路交通，具體是一種道路擁堵預(yù)測(cè)方法。

背景技術(shù)：

1、隨著生活水平的不斷提高，使得車(chē)輛保有量也急速增加，城市交通基礎(chǔ)設(shè)施和人民交通出行需求的矛盾也越來(lái)越突出。因此城市交通擁堵預(yù)測(cè)變得越來(lái)越重要。

2、現(xiàn)有技術(shù)通過(guò)道路寬度、車(chē)流量和車(chē)速等參數(shù)計(jì)算道路擁堵值，根據(jù)道路擁堵值對(duì)道路擁堵情況進(jìn)行預(yù)測(cè)；然而，不同道路的擁堵點(diǎn)數(shù)量不盡相同，現(xiàn)有技術(shù)難以根據(jù)道路的擁堵點(diǎn)數(shù)量對(duì)道路擁堵進(jìn)行預(yù)測(cè)，導(dǎo)致對(duì)道路擁堵預(yù)測(cè)的準(zhǔn)確性不高；此外，道路的不同道路單元的擁堵程度存在差異，現(xiàn)有技術(shù)難以基于道路中不同道路單元的擁堵程度綜合評(píng)估道路的擁堵?tīng)顩r，導(dǎo)致對(duì)道路擁堵預(yù)測(cè)的準(zhǔn)確性不高。

3、本發(fā)明提出一種道路擁堵預(yù)測(cè)方法，以解決上述技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題之一；為此，本發(fā)明提出了一種道路擁堵預(yù)測(cè)方法，用于解決現(xiàn)有技術(shù)難以根據(jù)道路的擁堵點(diǎn)數(shù)量對(duì)道路擁堵進(jìn)行預(yù)測(cè)，導(dǎo)致對(duì)道路擁堵預(yù)測(cè)的準(zhǔn)確性不高；此外，道路的不同道路單元的擁堵程度存在差異，現(xiàn)有技術(shù)難以基于道路中不同道路單元的擁堵程度綜合評(píng)估道路的擁堵?tīng)顩r的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明的第一方面提供了一種道路擁堵預(yù)測(cè)方法，包括：

3、s1：基于路口位置將目標(biāo)道路劃分為若干道路單元；

4、s2：獲取各道路單元的道路基本信息和歷史車(chē)輛通行信息；其中，基本信息包括道路寬度、道路長(zhǎng)度、擁堵點(diǎn)數(shù)量和紅綠燈周期；歷史車(chē)輛通行信息包括車(chē)輛通行時(shí)長(zhǎng)、車(chē)輛通行速度和車(chē)輛等待數(shù)量；

5、s3：對(duì)歷史車(chē)輛通行信息進(jìn)行預(yù)處理，得到歷史車(chē)輛通行數(shù)據(jù)；

6、s4：基于道路基本信息和歷史車(chē)輛通行數(shù)據(jù)計(jì)算目標(biāo)道路的道路擁堵系數(shù)；

7、s5：獲取目標(biāo)道路在預(yù)測(cè)周期時(shí)的道路擁堵系數(shù)預(yù)測(cè)值；

8、s6：基于道路擁堵系數(shù)預(yù)測(cè)值和預(yù)設(shè)的道路擁堵范圍閾值進(jìn)行比較，得到擁堵程度；其中，擁堵程度包括無(wú)擁堵、輕度擁堵和嚴(yán)重?fù)矶隆?/p>

9、需要說(shuō)明的是，各道路單元的車(chē)輛通行時(shí)長(zhǎng)、車(chē)輛通行速度和車(chē)輛等待數(shù)量均為對(duì)應(yīng)歷史車(chē)輛通行數(shù)據(jù)的平均值；其中，車(chē)輛通行時(shí)長(zhǎng)為所有車(chē)輛從道路單元的一側(cè)行駛至另一側(cè)所需的平均時(shí)長(zhǎng)。

10、優(yōu)選的，所述基于路口位置將目標(biāo)道路劃分為若干道路單元，包括：

11、獲取目標(biāo)道路的路口位置；將目標(biāo)道路中相鄰兩路口位置之間的道路劃分為道路單元，并將道路單元標(biāo)記為i；其中，i＝1，2，…，n，n為道路單元的總數(shù)。

12、優(yōu)選的，所述擁堵點(diǎn)為道路單元中在設(shè)定時(shí)間內(nèi)發(fā)生擁堵的次數(shù)大于設(shè)定閾值的地點(diǎn)。

13、優(yōu)選的，所述對(duì)歷史車(chē)輛通行信息進(jìn)行預(yù)處理，包括：

14、a1：提取若干連續(xù)周期的歷史車(chē)輛通行信息；

15、a2：將歷史車(chē)輛通行信息中的異常數(shù)據(jù)剔除；

16、a3：對(duì)歷史車(chē)輛通行信息中的缺失數(shù)據(jù)進(jìn)行填補(bǔ)；

17、a4：將經(jīng)過(guò)預(yù)處理的歷史車(chē)輛通行信息，標(biāo)記為歷史車(chē)輛通行數(shù)據(jù)。

18、優(yōu)選的，所述基于道路基本信息和歷史車(chē)輛通行數(shù)據(jù)計(jì)算目標(biāo)道路的道路擁堵系數(shù)，包括：

19、b1：獲取各道路單元的道路基本信息和歷史車(chē)輛通行數(shù)據(jù)；

20、b2：基于道路寬度、道路長(zhǎng)度和擁堵點(diǎn)數(shù)量計(jì)算各道路單元的擁堵點(diǎn)密度；

21、b3：基于擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)計(jì)算各道路單元的道路擁堵系數(shù)；

22、b4：通過(guò)公式計(jì)算得到目標(biāo)道路的道路擁堵系數(shù)dyx；其中，ki為道路單元i對(duì)應(yīng)的權(quán)重系數(shù)且dyxi為道路單元i對(duì)應(yīng)的道路擁堵系數(shù)。

23、本發(fā)明通過(guò)單獨(dú)計(jì)算目標(biāo)道路中不同道路單元的道路擁堵系數(shù)，然后將各道路單元的道路擁堵系數(shù)通過(guò)加權(quán)平均計(jì)算得到目標(biāo)道路的道路擁堵系數(shù)，能夠綜合評(píng)估各道路單元對(duì)目標(biāo)道路擁堵的影響，有利于提高對(duì)道路擁堵進(jìn)行預(yù)測(cè)的準(zhǔn)確性。

24、優(yōu)選的，所述基于道路寬度、道路長(zhǎng)度和擁堵點(diǎn)數(shù)量計(jì)算各道路單元的擁堵點(diǎn)密度，包括：

25、提取道路寬度、道路長(zhǎng)度和擁堵點(diǎn)數(shù)量；通過(guò)公式計(jì)算道路單元i的擁堵點(diǎn)密度ydmi；其中，ydsi為道路單元i的擁堵點(diǎn)數(shù)量，dki為道路單元i的道路寬度，dci為道路單元i的道路長(zhǎng)度。

26、本發(fā)明通過(guò)將道路寬度、道路長(zhǎng)度和擁堵點(diǎn)數(shù)量代入公式，計(jì)算得到各道路單元的擁堵點(diǎn)密度，能夠準(zhǔn)確地反映出各道路單元發(fā)生擁堵的概率，有利于提高后續(xù)計(jì)算道路單元的道路擁堵系數(shù)的準(zhǔn)確性。

27、優(yōu)選的，所述基于擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)計(jì)算各道路單元的道路擁堵系數(shù)，包括：

28、提取各道路單元的道路基本信息和歷史車(chē)輛通行數(shù)據(jù)；

29、通過(guò)公式計(jì)算道路單元i的道路擁堵系數(shù)dyxi；

30、其中，hlzi為道路單元i的紅綠燈周期，hbzi為道路單元i的紅綠燈標(biāo)準(zhǔn)周期，sci為道路單元i的車(chē)輛通行時(shí)長(zhǎng)，sdi為道路單元i的車(chē)輛通行速度，sli為道路單元i的車(chē)輛等待數(shù)量；ai、bi、ci、di、ei為道路單元i對(duì)應(yīng)的比例系數(shù)且均大于0；h為防止除零設(shè)置的常數(shù)，并且0<h<1。

31、本發(fā)明通過(guò)將擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)進(jìn)行公式化處理，計(jì)算得到各道路單元的道路擁堵系數(shù)，使得道路擁堵系數(shù)能夠準(zhǔn)確地、多維度地反映出擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)對(duì)于道路單元擁堵程度的影響，有利于提高對(duì)道路擁堵進(jìn)行預(yù)測(cè)的準(zhǔn)確性。

32、優(yōu)選的，所述獲取目標(biāo)道路在預(yù)測(cè)周期時(shí)的道路擁堵系數(shù)預(yù)測(cè)值，包括：

33、提取目標(biāo)道路最近若干連續(xù)周期的道路擁堵系數(shù)并標(biāo)記為標(biāo)準(zhǔn)數(shù)據(jù)集，將標(biāo)準(zhǔn)數(shù)據(jù)集輸入至道路擁堵預(yù)測(cè)模型，得到目標(biāo)道路在預(yù)測(cè)周期時(shí)的道路擁堵系數(shù)預(yù)測(cè)值；其中，道路擁堵預(yù)測(cè)模型通過(guò)人工智能模型訓(xùn)練得到。

34、優(yōu)選的，所述道路擁堵預(yù)測(cè)模型通過(guò)人工智能模型訓(xùn)練得到，包括：

35、提取若干連續(xù)周期的道路擁堵系數(shù)并整合為若干組訓(xùn)練數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)；使用訓(xùn)練數(shù)據(jù)對(duì)人工智能模型進(jìn)行訓(xùn)練；使用檢驗(yàn)數(shù)據(jù)對(duì)訓(xùn)練后的人工智能模型進(jìn)行檢驗(yàn)，根據(jù)檢驗(yàn)結(jié)果對(duì)人工智能模型進(jìn)行調(diào)整；最終得到輸入為最近若干個(gè)連續(xù)周期的道路擁堵系數(shù)，輸出為預(yù)測(cè)周期的道路擁堵系數(shù)的道路擁堵預(yù)測(cè)模型；其中，人工智能模型包括bp神經(jīng)網(wǎng)絡(luò)模型或者rbf神經(jīng)網(wǎng)絡(luò)模型。

36、本發(fā)明通過(guò)提取道路擁堵系數(shù)用于訓(xùn)練人工智能模型，訓(xùn)練完成后得到道路擁堵預(yù)測(cè)模型，通過(guò)將若干個(gè)連續(xù)周期的道路擁堵系數(shù)輸入至道路擁堵預(yù)測(cè)模型，得到預(yù)測(cè)周期的道路擁堵系數(shù)，有利于提前預(yù)估出道路的擁堵程度并采取對(duì)應(yīng)的措施，便于人們對(duì)出行計(jì)劃進(jìn)行提前調(diào)整，有利于提高車(chē)輛通行效率以及降低擁堵發(fā)生的概率。

37、優(yōu)選的，所述基于道路擁堵系數(shù)預(yù)測(cè)值和預(yù)設(shè)的道路擁堵范圍閾值進(jìn)行比較，包括：

38、z1：提取道路擁堵系數(shù)預(yù)測(cè)值dyx預(yù)測(cè)；

39、z2：設(shè)置道路擁堵范圍閾值[ydy1,ydy2]；其中，ydy1<ydy2，道路擁堵范圍閾值根據(jù)專(zhuān)家的經(jīng)驗(yàn)設(shè)置；

40、z3：判斷道路擁堵系數(shù)預(yù)測(cè)值dyx預(yù)測(cè)是否在道路擁堵范圍閾值內(nèi)；是，則將擁堵程度標(biāo)記為輕度擁堵；否，則跳轉(zhuǎn)至z4；

41、z4：判斷道路擁堵系數(shù)預(yù)測(cè)值dyx預(yù)測(cè)是否小于ydy1；是，則將擁堵程度標(biāo)記為無(wú)擁堵；否，則將擁堵程度標(biāo)記為嚴(yán)重?fù)矶隆?/p>

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

43、1.本發(fā)明通過(guò)單獨(dú)計(jì)算目標(biāo)道路中不同道路單元的道路擁堵系數(shù)，然后將各道路單元的道路擁堵系數(shù)通過(guò)加權(quán)平均計(jì)算得到目標(biāo)道路的道路擁堵系數(shù)，能夠綜合評(píng)估各道路單元對(duì)目標(biāo)道路擁堵的影響，有利于提高對(duì)道路擁堵進(jìn)行預(yù)測(cè)的準(zhǔn)確性。

44、2.本發(fā)明通過(guò)將道路寬度、道路長(zhǎng)度和擁堵點(diǎn)數(shù)量代入公式，計(jì)算得到各道路單元的擁堵點(diǎn)密度，能夠準(zhǔn)確地反映出各道路單元發(fā)生擁堵的概率，有利于提高后續(xù)計(jì)算道路單元的道路擁堵系數(shù)的準(zhǔn)確性。

45、3.本發(fā)明通過(guò)將擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)進(jìn)行公式化處理，計(jì)算得到各道路單元的道路擁堵系數(shù)，使得道路擁堵系數(shù)能夠準(zhǔn)確地、多維度地反映出擁堵點(diǎn)密度、紅綠燈周期和歷史車(chē)輛通行數(shù)據(jù)對(duì)于道路單元擁堵程度的影響，有利于提高對(duì)道路擁堵進(jìn)行預(yù)測(cè)的準(zhǔn)確性。

46、4.本發(fā)明通過(guò)提取道路擁堵系數(shù)用于訓(xùn)練人工智能模型，訓(xùn)練完成后得到道路擁堵預(yù)測(cè)模型，通過(guò)將若干個(gè)連續(xù)周期的道路擁堵系數(shù)輸入至道路擁堵預(yù)測(cè)模型，得到預(yù)測(cè)周期的道路擁堵系數(shù)，有利于提前預(yù)估出道路的擁堵程度并采取對(duì)應(yīng)的措施，便于人們對(duì)出行計(jì)劃進(jìn)行提前調(diào)整，有利于提高車(chē)輛通行效率以及降低擁堵發(fā)生的概率。