申请/专利权人：南京理工大学

申请日：2022-11-11

公开（公告）日：2024-04-09

公开（公告）号：CN115830855B

主分类号：G08G1/01

分类号：G08G1/01;G08G1/065

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.04.07#实质审查的生效;2023.03.21#公开

摘要：本发明公开了一种基于双状态划分的高速公路路段通行时间预测方法，包括：确定高速公路路段和门架间的上下游关系；获取高速公路历史数据；将历史数据处理为交通流量及平均通行时间序列；确定与时段对应的路段交通状态；划分车辆行驶速度状态；利用历史车辆的路段交通状态、车辆行驶速度状态及上游路段平均行驶速度，对下游路段通行时间建模并训练；实时采集目标车辆数据，提取特征输入通行时间预测模型，得到预测结果。本发明对高速公路交通数据进行了多源数据融合与时空特征分析，将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合，运用贝叶斯模型，实现了以车辆为单位的高速公路通行时间精确预测。

主权项：1.一种基于双状态划分的高速公路路段通行时间预测方法，其特征在于，包括以下步骤：步骤1，将高速公路按门架划分为路段，按车辆行驶方向确定各路段间的上下游关系以及各路段的上下游门架；步骤2，获取高速公路待预测路段上下游门架的历史车辆数据及其上游路段上游门架的历史车辆数据；步骤3，选取固定的时间步长，将步骤2获取的待预测路段上下游门架历史车辆数据处理为此步长的待预测路段上下游门架交通流量序列及平均通行时间序列；步骤4，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系；步骤5，从步骤2获取的高速公路待预测路段上下游门架的历史车辆数据中统计每辆车通过待预测路段上游门架时间所处时段，根据步骤4得到的对应关系确定每辆车行驶时的路段交通状态；步骤6，从步骤2高速公路待预测路段上下游门架的历史车辆数据及其上游路段上游门架的历史车辆数据中统计每辆车通过待预测路段上游门架时的瞬时车速，并计算每辆车通过上游路段的平均行驶速度，根据通过待预测路段上游门架时的瞬时车速和通过上游路段的平均行驶速度对车辆进行聚类分析，划分历史车辆行驶速度状态，并训练得到车辆行驶速度状态分类器；步骤7，综合历史车辆在步骤5获得的路段交通状态、步骤6获得的车辆行驶速度状态和通过上游路段的平均行驶速度，对下游待预测路段通行时间进行建模和模型训练；步骤8，实时采集通过待预测路段上游门架的单辆车作为目标车辆，提取目标车辆特征输入步骤7得到的下游路段通行时间预测模型，得到预测结果；步骤4中，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系，具体方法为：步骤4-1，使用EM聚类算法对路段交通状态进行聚类，选择每个时间步长的待预测路段上下游门架交通流量及平均通行时间作为特征输入，输出为各个时间步长所对应的交通状态，对所有样本天数的数据重复进行此操作，获得每个时间步长在不同天所对应的交通状态集合{S1,S2,……,SM},其中， n为天数样本编号，n≤M且n为正整数，M为样本天数；为第n个天数样本第i个时间步长交通状态，Q为聚类数,i∈{1,2,……,288}；步骤4-2，使用投票法修正聚类得到的各时间步长交通状态，记Si为序列中的众数，表示修正后第i个时间步长对应的交通状态，i∈{1,2,……,288}，M为样本天数；对每个时间步长统计修正后，去除了单天样本特殊性，得到了时段与路段交通状态间的对应关系：S＝{S1,S2,……,S288}步骤6中，从步骤2高速公路待预测路段上下游门架的历史车辆数据及其上游路段上游门架的历史车辆数据中统计每辆车通过待预测路段上游门架时的瞬时车速，并计算每辆车通过上游路段的平均行驶速度，根据通过待预测路段上游门架时的瞬时车速和通过上游路段的平均行驶速度对车辆进行聚类分析，划分历史车辆行驶速度状态，并训练得到车辆行驶速度状态分类器；,具体方法为：步骤6-1，提取历史车辆过待预测路段上游门架时的瞬时车速信息；步骤6-2，对比通过上游路段上下游门架车辆车牌信息，计算过门架时间差，该时间差即为历史车辆通过上游路段的通行时间，用路段长度除以通行时间得到单辆车在上游路段的平均行驶速度；步骤6-3，采用EM聚类算法，将历史车辆的上游路段平均行驶速度与通过待预测路段上游门架时的瞬时车速作为输入，把车辆行驶速度分割成不同的类，输出为每辆车行驶速度所属的类别，即车辆行驶速度状态；步骤6-4，将历史车辆的上游路段平均行驶速度、通过待预测路段上游门架时的瞬时车速与车辆行驶速度状态作为训练集，对车辆行驶速度状态分类器进行训练；对于训练完成的车辆行驶速度状态分类器，对训练器实时输入车辆的上游路段平均行驶速度与通过待预测路段上游门架时的瞬时车速即可获得该车辆的车辆行驶速度状态；步骤7中，综合历史车辆在步骤5获得的路段交通状态、步骤6获得的车辆行驶速度状态和通过上游路段的平均行驶速度，对下游待预测路段通行时间进行建模和模型训练,具体方法为：步骤7-1，将通过上游路段的平均行驶速度、路段交通状态、车辆行驶速度状态作为输入特征建立贝叶斯模型和线性回归模型，模型输出为单辆车的下游待预测路段通行时间；步骤7-2，根据由历史车辆通过上游路段的平均行驶速度、路段交通状态、车辆行驶速度及下游待预测路段通行时间组成的历史数据训练集，对模型参数进行训练，得到训练完成的贝叶斯模型和线性回归模型；步骤8中，实时采集通过待预测路段上游门架的单辆车作为目标车辆，提取目标车辆特征输入步骤7得到的下游路段通行时间预测模型，得到预测结果，具体方法为：步骤8-1，实时采集通过待预测路段上游门架的单辆车数据，包括：车牌号、过门架时间和过门架瞬时速度；步骤8-2，根据目标车辆通过待预测路段上游门架时间所属时间段确定目标车辆通行时段的路段交通状态；步骤8-3，在上游路段上游门架过车数据中查询与目标车辆车牌号相同的车辆数据并计算过门架时间差，结合上游路段长度得到目标车辆通过上游路段的平均行驶速度；步骤8-4，将目标车辆的上游路段平均行驶速度及通过待预测路段上游门架的瞬时速度输入由步骤6得到的车辆行驶速度状态分类器，确定目标车辆行驶速度状态；步骤8-5，将目标车辆通过上游路段的平均行驶速度、路段交通状态和行驶速度状态作为待预测特征值，将步骤7-2的历史数据训练集中出现过的各特征值集合记为 其中，j∈{1,2,3}，表示特征编号；对于实时新输入待预测的特征值x＝{x1,x2,x3}，若满足则认为输入值在贝叶斯模型可预测范围内，使用贝叶斯模型进行预测；反之则使用线性回归模型进行预测，得到最终的通行时间预测结果。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于双状态划分的高速公路路段通行时间预测方法

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