[发明专利]一种基于非全样定位数据的重型货车交通流量预测方法

权利要求书

1.一种基于非全样定位数据的重型货车交通流量预测方法，其特征在于，包括如下步骤：

步骤1：基于车载卫星定位装置，获得重型货车GPS数据；

步骤2：将GPS数据按照指定的时间间隔和所属路段位置进行合并，得到交通流量；

步骤3：对步骤2合并后得到的交通流量按照道路等级和流量范围采用分段常系数法进行扩样；

步骤4：对扩样后的数据进行标准化处理；

步骤5：利用长短时循环神经网络模型进行交通流量预测；

步骤6：将预测后的交通流量进行反标准化处理；

步骤7：将反标准化后的数据与交通调查数据进行对比；

步骤8：采用总量控制法进行重型货车交通流量调整；

步骤3具体包括如下步骤：

步骤31：将所有路段交通流量按照时间间隔进行合计；

步骤32：选择合计后最大流量的时段作为排序依据，将所有路段ID的交通流量进行降序排序；

步骤33：将排序后交通流量所呈现的分布函数进行参数估计，

y_i＝ke^-ax+b (1)

其中，y_i代表路段i的流量，x代表降序后的路段序列，k、a、b代表分布函数的估计参数；

步骤34：将所有路段按照流量进行区间分段，根据概率密度函数计算该区间下的扩样系数；

其中，m_i,j为路段序号[i，j]区间的扩样系数；x_i，x_j代表序列为i，j的路段序列编号。

2.如权利要求1所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤1所述GPS数据包括：记录时间、经度、纬度以及车牌号。

3.如权利要求1所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，所述步骤2具体包括：将城市路网络进行编号形成路段ID，将每个路段ID按照指定的时间间隔将GPS数据进行合计，形成带有路段属性和时间间隔属性的交通流量数据。

4.如权利要求3所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤2所述指定的时间间隔为1h。

5.如权利要求1所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤3所述道路等级包括公路等级和城市道路等级，从公路等级和城市道路等级两方面细分10个等级；

所述公路等级包括：高速公路、一级公路、二级公路、三级公路、四级公路；

所述城市道路等级包括：快速路、主干路、次干路、支路、其他，所述其他代表不属于上述城市道路等级的其余路段。

6.如权利要求1所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤4具体为：将路段ID所有流量进行筛选，选出最大交通流量，将每个交通流量与该最大交通流量的比值归一化到[0,1]区间中。

7.如权利要求1所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤5具体包括如下步骤：

步骤51：将所有交通流量数据分为训练集和测试集；

步骤52：设定参数；

步骤53：模型训练和调参，将模型训练到最佳状态；

步骤54：重型货车交通流量预测，将训练好的模型对测试集数据进行预测，并采用平均绝对误差、百分比误差、均方根误差、解释方差分数进行模型效果评估；

解释方差分数计算公式为：

其中，Y_t为t时刻的交通流量数据，为t时刻的预测交通流量数据。

8.如权利要求7所述的基于非全样定位数据的重型货车交通流量预测方法，其特征在于，步骤52所述参数包括：隐藏层大小，时间步长，每次输入样本数，激活函数，损失函数，循环步数。