[发明专利]一种基于RFID数据的出行路径与节点流量预测方法

说明书

本发明介绍了一种基于RFID数据的出行路径预测方法，并对预测路径进行叠加，实现了节点流量预测。通过RFID数据可以提取到每辆车在不同日期经过的基站编号信息。将基站编号按检测时间排序，并结合基站的地理分布，沿道路走向连线，可以获取到每辆车每天的出行路径。以出行路径为基础，利用深度学习算法，探究出行路径选择规律，预测未来出行路径。统计所有预测出行路径中每一个基站的个数，可以实现对节点流量的预测。实验证明，本发明所提基于RFID数据的出行路径和节点流量预测方法具有较高的预测精度。

技术领域

本发明涉及深度学习与智能交通大数据在交通流量预测方面的应用，尤其涉及一种基于RFID数据的出行路径与节点流量预测方法。

背景技术

近年来，智能城市的建设和智能交通系统的发展为研究者提供了新的机遇。为了更有效地获取相关数据以感知城市交通系统的状态，大量的传感设备被安装在了公共场所和交通设施中，例如GPS、感应线圈、车辆电子标签等等。这些设备可以为研究者提供更精确、更海量的数据，从而为交通流量预测工作带来许多的便利。在这样的大背景下，交通流量预测方法从传统的四阶段预测方法、时间序列分析法慢慢转变，逐步融合大数据、机器学习等先进的概念。

然而，尽管以往的研究已经取得了一些成果，但它们仍然存在着各种的局限性。首先，数据来源不丰富，覆盖范围不够广。感应线圈主要用于计算交通流量，却不能记录车辆的相关信息；目前可用的GPS信息通常是从出租车、公共汽车和其他一些非通勤车辆上采集来的，来源于通勤车辆的数据相对较少，因此不便于发掘一些通勤者的内在出行特征。其次，以往的预测方法主要基于历史交通流量数据，在一定程度上忽略了出行者的个人特性，因此局限性较大。此外，近年来的大多数研究集中在对15、30、45、60分钟等短时交通流量的预测上，但是由于实际的交通流量对时间尺度的波动较大，因此这些方法在较长的时间尺度上不能进行很好的预测。

另一方面，射频识别（RFID）在我国的交通运输领域中也开始得到应用，RFID基站可以自动识别车辆并记录其信息，包括车牌号、通过时间等。RFID基站在国内的逐渐普及，为交通流量预测提供了新的方法与思路，使得以居民出行路径预测为基础的交通流量预测方法成为可能。

发明内容

本发明的目的是为了尽可能避免在交通流量预测中因使用集计数据忽略个体出行者差异带来的误差问题，提供一种基于RFID数据的出行路径与节点流量预测方法。

为达到上述目的，本发明采用的方法是：一种基于RFID数据的出行路径与节点流量预测方法，包括以下步骤：

（1）数据整理与提取：将RFID基站数据进行整理，提取其中字段数据包括：车牌ID、日期、通过时间、基站编号；

（2）数据划分：按日期划分数据，根据步骤（1）提取的车牌ID统计每天的出行人数；

（3）出行路径提取：在步骤（2）数据划分的基础上，以车牌ID为唯一标识，对每天每一辆车的数据分别处理：将检测数据按照通过时间排序，即可获得个体车辆先后经过的基站列表，即出行路径；

（4）路径选择规律总结：利用步骤（3）获取的每天的出行路径，基于神经网络模型，总结出行路径选择规律，具体操作及原理如下：

（41）在每条出行路径的结尾添加end字符，作为出行路径结束的标识；

（42）分析每一条路径，提取首个基站形成起点基站列表，记录每一个起点基站出现的概率；

（43）将相邻两个基站（包含end）记为一个组合，记录每一种组合出现的概率；

（5）路径预测：基于步骤（4）的路径选择规律，对未来出行者是否出行及其出行路径进行预测，具体操作过程如下：

（51）出行人数预测：分析每天的出行人数，基于时间序列预测未来出行人数；