申请/专利权人：合肥学院

申请日：2023-11-18

公开（公告）日：2024-03-29

公开（公告）号：CN117789451A

主分类号：G08G1/01

分类号：G08G1/01;G08G1/065;G08G1/08;G06N3/0442;G06N3/08;G08B21/18;G08B31/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了基于机器学习的短间距路口排队溢出长时预测及预警方法，属于交通管理与控制领域，包括构建LSTM机器学习模型，利用短间距路口各流向的历史交通流数据对其进行训练；采用LSTM机器学习模型用于实际路口交通流量长时预测，采用基于交通流量推导排队长度的数学模型算法实现短间距路口未来一天车辆排队长度的预测计算，据此确定短间距路口排队溢出的预警等级及对应的疏导预案；通过该方法可以提前判断未来一天短间距路口是否会发生车辆排队溢出事件，若判断出车辆排队溢出将在未来一天发生，则提前预警并确定对应的疏导预案，达到早发现早处理的效果，能有效避免短间距路口车辆排队溢出的发生。

主权项：1.基于机器学习的短间距路口排队溢出长时预测及预警方法，其特征在于，包括以下步骤：1构建短间距路口信息数据资源库基于电警卡口设备连续采集短间距路口近一个月内各流向原始过车数据，其中包括过车id、路口编号、进口道方向、流向、车道编号、车牌号码、车辆类型和过车时间；将原始过车数据清洗并处理后得到短间距路口近一个月内分时段每5min各流向的交通流数据，包括交通流量、平均速度和平均车头时距数据；在此基础上通过时间匹配，进一步通过路口信号控制平台获取路口对应的信号控制方案数据，包括路口每天的时段划分数据、相位方案数据和信号配时数据；2建立基于LSTM机器学习模型长时预测短间距路口的排队长度建立用于预测交通流量的LSTM机器学习模型，设置LSTM机器学习模型的初始参数，利用步骤1的短间距路口信息数据资源库构建训练数据集、测试数据集，通过训练数据集、测试数据集对模型进行训练；训练数据、测试数据均是以交通流数据中的流向、时间、平均速度和平均车头时距作为特征数据，以交通流量作为预测目标；采用训练好的LSTM机器学习模型用于实际路口交通流量长时预测，即采用当天处理得到的短间距路口交通流数据，预测未来一天分时段每5min的交通流量数据；在此基础上进一步结合路口对应的信号控制方案数据，采用基于交通流量推导排队长度的数学模型算法实现短间距路口未来一天车辆排队长度的预测计算；3确定短间距路口排队溢出的预警等级及对应的疏导预案比较短间距路口未来一天车辆排队长度预测值与短间距路口之间路段长度的关系，对排队溢出进行预警等级划分，每一个预警等级对应一个疏导预案。

全文数据：

权利要求：

百度查询： 合肥学院 基于机器学习的短间距路口排队溢出长时预测及预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD