[发明专利]一种卡口交通流量预测方法

说明书

一种卡口交通流量预测方法，包括下列步骤：步骤1.对历史卡口交通数据进行预处理2.构建数据结构存储历史数据；步骤3.从R树中获取预测模型所需要的历史数据；步骤4.结合相关卡口和相关时间段找到K个最相关历史时间段进行预测。本发明根据“交通流量预测”的问题，利用非参数回归的算法思想，使用R树和哈希函数结合的方法对数据进行存储和查找，结合历史数据和周边路口数据进行交通流量的预测，高效的实现了交通数据流量的预测需求。本发明能够根据用户对交通拥堵预测情况的需求，预测目标路口在预测时间的拥堵情况，并且可以高效准确的实现交通流量的预测。

技术领域

本发明提出了一种高效的卡口交通流量预测方法。

技术背景

城市卡口交通流量预测在现实生活中起着重要作用，例如导航系统和在线的地图服务。基于实时交通流量预测技术的实时路线规划可以指导用户避开交通拥堵的路段，这不仅缩短了旅行所需要的时间，也节省了能源，减少了空气污染。近年来，智能交通系统(ITS)的核心子系统是交通信号控制系统(TSCS)和交通流引导系统(TFGS)，这些功能在中国已经得到了广泛的应用。TSCS通过标记控制来管理道路的交通流状态，而TFGS为驾驶员提供交通信息以便驾驶员可以调整行驶路线从而实现整体的交通流量平衡，即尽力做到道路通畅，而准确的交通流信息是这些应用的基础。因此，准确的实时交通流量预测是交通诱导和信号灯甚至是智慧城市的关键。预测实时交通流量是一项复杂的任务，在过去的几十年里，它一直是一个重要的研究课题，同时也已经有了许多有价值的工作。

交通流量预测问题的重要性吸引了学术界和工业界的兴趣。因此，现在有许多交通流量预测系统可供使用。然而，现有的交通流量预测模型存在以下一个或多个缺点：(1)所使用的数据由交通传感器收集，这些交通传感器不能有效覆盖城市区域。因此，以此数据源构建的流量预测模型不能直接应用于城市地区的交通流量预测。(2)GPS或移动电话基站等新的手段搜集的信息也可用于预测交通流量，已经证明这些方法在高速公路和郊区有良好的预测效果。然而，由于城市交通流量大，城市道路网络复杂，基于上述方法的交通流量预测模型并不适用于城市区域。(3)一些城市交通流量预测模型使用对交通数据有影响附加信息(如占用数据和天气数据)进行预测，但是这种模型通常用于城市中心区域的特定位置，并不能很好的覆盖整个城市，应用范围较小。

发明内容

本发明要克服现有技术的上述缺点，提出一种高效、准确、适用于城市区域的卡口交通流量预测方法。

本发明由数据存储结构和预测模型两部分构成。第一部分构建新的数据结构对历史交通数据的存储和获取。卡口交通数据是整个城市的车辆监控摄像头记录的交通卡口数据。卡口摄像头记录有两部分信息：

(1)摄像头的固定信息，包括摄像机编号，摄像机的纬度和经度信息，汽车行驶方向和道路编号。

(2)摄像头获取的信息，包含通过交通卡口摄像机的汽车的车牌号、汽车通过的时间和摄像头自身的编号。

卡口摄像机记录的是车辆通过这个摄像机的时间点，是单个车辆的卡口通过信息，首先要对原始的卡口数据进行预处理。在这一步将每一条车辆的通过信息进行分类和整理，处理后是带有空间和交通流量属性的卡口交通流量的时间段，每条时间段的信息为在某一时间内，某卡口通过了多少辆车。预处理后方便进行之后高效的数据存取以及准确的交通流量的预测。

将卡口数据处理为包含空间和时间信息的交通流量时间段，每一个时间段都有卡口数据的空间属性和时间属性。R树是存储和获取空间属性的数据一个有效实用的方法，使用R树从空间属性来存取信息；同时哈希函数是复杂度较低而且高效的时间线数据检索方法，使用哈希函数来从时间属性存取信息；二者结合从而高效的从空间和时间上进行卡口时间段数据的存取。