[发明专利]一种分布式交通流预测方法及系统

权利要求书

1.一种分布式交通流预测方法，其特征在于，包括：

步骤1，获取选定区域的交通流数据；

步骤2，采用预先建立的分布式交通流预测模型对选定区域的交通流数据进行处理得到预测结果；其中，所述分布式交通流预测模型的生成方法为：

步骤2.1，基于选定区域的交通流数据计算实测单路段拥堵值；

步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型；

步骤2.3，采用深度随机森林，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为训练集数据输入，训练分布式交通流预测模型。

2.如权利要求1所述的分布式交通流预测方法，其特征在于，步骤2.1，基于选定区域的交通流数据计算实测单路段拥堵值的过程具体为：

步骤2.1.1，按照路段形状将路段划分为不同的路段类型；

步骤2.1.2，计算每种路段类型的实测单路段拥堵值。

3.如权利要求2所述的分布式交通流预测方法，其特征在于，步骤2.1.1中，按照路段形状将划分的不同的路段类型包括：直道、弯道、环岛、十字、丁字和匝道。

4.如权利要求2所述的分布式交通流预测方法，其特征在于，步骤2.1.2中，计算每种路段类型的实测单路段拥堵值的过程具体为：

(1)计算单路段平均车速；

(2)根据所述单路段平均车速计算出实测单路段拥堵值f(x)；

其中，x表示单路段平均车速，α为一个超参数，用于在不同路段类型上进行微调，在实际部署测试时，根据测试结果人工调整该数值，取值范围0-1。

5.如权利要求4所述的分布式交通流预测方法，其特征在于，计算单路段平均车速包括：基于GPS数据计算单路段平均车速和基于线圈和雷达数据计算单路段平均车速；具体地，

A、基于GPS数据计算的单路段平均车速：

其中，m表示单路段一分钟内车辆总数，n表示某一车辆的GPS数据条数，P_k和P_i表示该车辆在当前路段当前GPS条目下已行驶完成的比例，v_t表示该车辆在当前路段当前GPS条目下的瞬时速度；

B、基于线圈和雷达数据计算的单路段平均车速：

其中，m表示单路段一分钟内车辆总数，c为光速，f₀为发射波的中心频率，f_-代表后半周期负向调频所得的差频，f₊代表前半周期正向调频的差频。

6.如权利要求2所述的分布式交通流预测方法，其特征在于，步骤2.2，基于所述实测单路段拥堵值训练单路段交通流预测模型的过程具体为：

(1)建立基于单隐层神经网络的单路段交通流预测模型，其表达式为：

其中，x表示单路段平均车速，表示预测单路段拥堵值；w¹、w²、w³分别表示采用的单隐层神经网络中的输入层、隐藏层和输出层的权重，b¹、b²、b³分别表示采用的单隐层神经网络中的输入层、隐藏层和输出层的偏置；

(2)采用梯度下降算法计算新的输入层、隐藏层和输出层的权重w^1*、w^2*、w^3*和偏置b^1*、b^2*、b^3*，从而训练单路段交通流预测模型。

7.如权利要求1所述的分布式交通流预测方法，其特征在于，步骤2.3中，将选定区域的交通流数据和所述单路段交通流预测模型输出的预测单路段拥堵值作为一个N维向量；给定选定区域的M个单路段交通流预测模型对应M个路段，则训练集数据为一个M*N维的向量。