[发明专利]一种交通拥堵预测方法及可视化方法

说明书

技术领域

本发明涉及交通领域，更具体地，涉及一种交通拥堵预测方法及可视化方法。

背景技术

交通拥堵是影响人们日常出行质量和出行费用的关键性因素。交通拥堵预测是交通拥堵管理研究的核心内容，准确实时的交通拥堵预测能够缓解交通阻塞，提高路网的通行能力及路段速度。

国内外学者对交通拥堵预测算法做了大量研究。其中一些学者选取车流量、占有率、车流速度和车流密度作为参数，利用基于贝叶斯法则的学习算法，计算交通拥堵发生的可能性。也有学者考虑流量、速度、占有率、平均车道流量等参数，运用最大熵模型训练得到各参数的权重，从而预测交通拥堵。上述算法均考虑了多个参数，通过训练学习得到交通拥堵所对应的参数组合。然而上述方法在预测拥堵时需要的输入参数过多，在实际应用中存在很大的局限性，除了路段速度可以利用浮动车数据得到外，其他参数主要来源于线圈检测器，存在安装成本大、安装维护困难等缺点。

如以下几种预测方法：1)研究使用多参数状态估计方法比单个参数状态估计方法更加合理，更符合实际情况。综合考虑交通流量、平均速度、密度3个参数，通过聚类方法将三维参数转换为一维时间序列，采用BP神经网络进行短时交通状态的预测，然而聚类结果容易受到原始数据的影响。2)基于神经网络的交通流状态模糊推理方法。但该方法的准确率会随连续预测步数的增加而下降。3)考虑到交通状态本身具有模糊不确定性，提出基于自适应模糊神经网络推理系统。该方法的交通状态被划分为4类，采用模糊C均值聚类求出每种交通状态所对应的聚类中心，接着计算隶属度，隶属度最大所对应的交通状态即为预测结果。然而模糊C均值聚类容易陷入局部最优，无法保证聚类中心能够很好地反映交通状态的特征。

为了方便对交通拥堵情况进行观察，有学者提出通过指数等方式来表达交通拥堵情况。国内外学者大部分采用服务水平等级或0-10指数化的方式展现，最早美国1985年道路通行能力手册(HCM)提出根据交通量，道路使用者的感觉将道路服务水平划分为A-F6个等级；一些学者则定义交通拥堵指数的取值范围为0-10，值越大表示拥堵越严重。为了表现区域(或道路)拥堵强度的变化情况，目前一些学者采用时序图表示局部区域拥堵强度的变化规律。然而时序图只能反映某一区域、某一道路拥堵强度的时变规律，不能反映该区域(该道路)对相邻区域(相邻道路)的影响。

发明内容

为了克服现有技术的不足，本发明首先提出一种交通拥堵预测方法，本方法输入的参数只有路段速度，路段速度可通过浮动车数据获得。相比于线圈检测器、视频等交通信息采集手段，浮动车技术具有数据量大、覆盖面广、成本低等优点。

本发明的又一目的是提出一种交通拥堵可视化方法，相对时序图不能反映区域(道路)对周边路网的影响，本发明所提出的可视化方法是采用热力图表达交通拥堵的分布，使得交通拥堵直观易懂，便于理解交通拥堵所在位置以及影响范围。

为了实现上述目的，本发明的技术方案为：

一种交通拥堵预测方法，包括：

采用浮动车获取GPS数据，通过地图匹配方法将GPS数据与电子地图上的道路相关联；根据匹配的数据估算路段速度，利用路段速度判断路段的交通状态，所述交通状态包括拥堵和畅通；

利用历史交通状态信息构建交通拥堵模型；关联实时交通状态信息库进行交通拥堵预测；

交通拥堵模型包括交通拥堵模型Ⅰ、交通拥堵模型Ⅱ和交通拥堵模型Ⅲ；

假设本周期中的一天交通状态与其上一周期同天的交通状态相似或相同，

构建交通拥堵模型Ⅰ具体方式为：将n个周期的交通状态作为训练样本进行训练，统计每周期同一天t时刻出现拥堵的概率；

目标路段在每周期同一天t时刻出现拥堵的概率：