[发明专利]一种动态路网交通需求预测方法及其系统

说明书

本发明公开了一种基于动态路网的交通需求预测方法及其系统，本发明提供了一直采集并融合多源交通数据的方法，将交通流数据、地理信息数据、交通管理信息叠加到路网上，形成动态的网格数据，在动态路网数据基础上，建立数据预测模型，具有数据实时性高、准确度高等特点，能够有效的提高拥堵研判精度，从而为信号优化提供较为合理的交通需求数据(排队、流量、速度、占有率等)。该系统能够改善优化模型、缓解交通拥堵。

技术领域

本发明涉及一种动态路网交通需求预测的方法及其系统，用于交通分析，属于交通控制领域。

背景技术

在交通控制领域中，大部分的交通分析主要针对已经采集的交通流数据，分析数据质量，并借助路网数据，分析拥堵状态及数据短时预测，并没有结合交通事件、施工占道、交通管制等交通管理数据，进行综合分析，分析及预测精度相对来讲不是很高。

在现代的交通控制系统中，交通需求预测的准确性，直接影响了拥堵热点分析及信号优化模型参数，从而间接影响了警力部署及信号优化方案生成，会导致拥堵发生时，警力调度不及时，也可能引发交通事故。为此，本领域技术人员致力于融合各类交通数据，形成完善的预测分析模型，以提高预测的准确性，更好地服务于指挥调度及信号控制。

发明内容

发明目的：为了克服现有分析模型中存在的不足，本发明提供采集并融合多源交通数据的方法，将交通流数据、地理信息数据、交通管理信息叠加到路网上，形成动态的网格数据，在动态路网数据基础上，建立数据预测模型，具有数据实时性高、准确度高等特点，能够有效的提高拥堵研判精度，从而为信号优化提供较为合理的交通需求数据(排队、流量、速度、占有率等)，改善优化模型、缓解交通拥堵。

技术方案：为实现上述目的，本发明采用的技术方案包括数据采集、数据预处理、数据预测及反馈三大步骤，

其中，数据采集主要采集来自各自交通流检测设备的数据(流量、速度、占有率)；采集来自第三方交通管控数据(交通管制、施工占道、交通事件、信号灯态、信号实时方案等)。

数据预处理包括以下四个环节：数据清洗、数据弥合、数据融合、数据路网叠加。

数据预测及反馈，包含建立数据预测模型，并对数据预测结果与下一时刻的采集数据进行对比分析，分析数据偏差度，修正数据预测模型。

动态路网交通需求分析的方法，包括以下步骤：

步骤一：S1数据采集

采集来自各种交通流检测设备的交通流数据，并写入交通流原始数据库；

采集地理信息数据，写入地理信息数据库。主要采集以下地理信息数据：道路、路口、路段，其中道路需要包含道路等级，路段至少需要包含行驶方向、路段一般行驶速度、路段长度、路段起止路口编号等。

采集来自第三方系统的交通管理信息数据，主要是交通管制信息、施工占道信息、交通事件信息、交通信号控制信息等。

步骤二：数据预处理

数据预处理包括以下四个环节：数据清洗、数据弥合、数据融合、数据路网叠加。

S2.数据清洗：对于采集的交通流数据，首先需要根据数据所处时间段、设备类型、设备位置，进行异常识别，并对于异常数据进行清洗过滤。

S3.数据弥合：对于经过清洗过滤后的数据，根据弥合规则，进行数据弥合。

S4.数据融合：将数据根据设备特点及其埋设位置，进行像素级融合，形成断面采集数据，每个采集断面仅存在一组数据，保证预测模型的应用，以提高交通数据精度。