[发明专利]基于人工智能的交通道路拥堵预测方法

说明书

本发明公开了一种基于人工智能的交通道路拥堵预测方法，包括步骤：S1.利用终端侧的传感器系和道路交叉口处的交通监控系统采集交通数据，上传至云服务器；S2.云服务器接收交通数据，基于改进的神经网络算法进行处理，得到预测数据；S3.云服务器将预测数据传输至终端侧的设备；S4.终端侧的设备接收云服务器回传的数据，并将其保存在本地存储装置中；S5.云服务器实时获取终端和交通监控系统采集的交通数据，将交通数据作为新的输入变量，基于改进的神经网络算法持续学习，不断优化预测数据。本发明能够有效调节交通流量，减小交通负荷，减少交通延误和停车率，提高路网的通行能力，改善了整个城市交通状况。

技术领域

本发明涉及交通技术领域，更为具体地，涉及一种基于人工智能的交通道路拥堵预测方法。

背景技术

随着汽车工业的发展，在汽车为人们带来各种便利的同时，也制造了一系列问题，如交通拥堵、环境污染、交通事故等。我国的交通国情在于机动车与非机动车混行，自行车数量大，机动车数量多，而路网容纳能力有限等，实施交通强国战略，需要解决的一个问题就是交通拥堵。而在道路交通控制领域，对交通进行监测、数据采集和处理等的信息系统存在诸多无法解决的问题，特别是在交叉口控制上，存在周期长、车辆延误和通行能力有限等问题。

常规的交通控制方式将历史交通流数据作为调控的依据，通过分析在不同时间的交通流的变化规律，使用人工的方式进行配时，然后将配时方案通过计算机技术录入到交通控制器中，在应用中通过调用不同的配时方案进行交通调控，由于大量的车辆涌入城市交通道路，造成了严重的交通堵塞问题，配时方案调控交通流越来越难以适应交通拥堵的治理需求。

例如，公开号为CN106991815A的中国专利申请公开了一种交通拥堵控制方法，包括如下步骤：S1.获取目标道路的既定参数，包括道路通行能力Q、自由流速度vf以及阻塞密度kj；S2.获取目标道路的实时交通参数，包括实时交通量q、实时车速v以及实时交通密度k；S3.构建交通状态判别模型，根据该模型判断当前道路的交通速度和交通流量对交通流的影响程度，并根据影响程度对交通作出的控制措施，能够结合道路的交通流的实际状态以及交通流中交通量和交通速度进行分析，做出准确的交通控制措施，能够有效缓解目标道路的交通拥堵状况，而且能够有效避免道路资源的浪费。但是，仍然存在缺陷，例如算法设计复杂，不能实现自学习，实时性较差等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于人工智能的交通道路拥堵预测方法，能够缓解交通拥堵的问题，利用对技术的改进使人们的生活变得更加美好。

本发明的目的是通过以下技术方案来实现的：一种基于人工智能的交通道路拥堵预测方法，包括以下步骤：

S1，利用终端侧的传感器系统，采集第一交通数据，上传至云服务器，同时，利用道路交叉口处的交通监控系统采集第二交通数据，上传至云服务器；

S2，云服务器接收所述第一交通数据和所述第二交通数据，并基于改进的神经网络算法进行处理，得到第一预测数据；

S3，云服务器将所述第一预测数据传输至终端侧的设备；

S4，所述终端侧的设备接收云服务器回传的数据，并将其保存在本地存储装置中，然后执行如下步骤：

S41，在终端侧的设备上，检测本地存储装置中是否保存有当前道路的历史路况数据，如果有，则提取当前道路的历史路况数据，并根据时间特征进行标记；如果没有，则直接进入步骤S44；

S42，第一计算，计算在当前道路上的历史路况数据的车速均值；第二计算，计算在当前道路上的历史路况数据的行驶时间均值，并将计算数据保存在本地存储装置中；

S43，根据步骤S41中的标记信息，提取当前道路在不同时间段的历史路况数据的车速均值和/或行驶时间均值；