[发明专利]一种多目标融合通行方法、装置、计算机设备及存储介质

说明书

本发明公开了一种多目标融合通行方法、装置、计算机设备及存储介质，该方法包括：获取目标交通场景在历史时间段内的交通主导信息建立联合代价约束，再构建交通主导信息引擎，然后利用交通主导信息引擎计算得到策略样本；获取目标交通场景在历史时间段内对应的交通反馈信息，根据交通反馈信息构建交通反馈引擎，并利用交通反馈引擎基于GMDH算法得到预测样本；构建交通策略决策引擎，并生成管制策略，从而构建交通管制策略模型；根据生成的管制策略与真实策略的差异对交通管制策略模型进行优化；利用交通管制策略模型为指定时间的目标交通场景生成管制策略。本发明可提高交通通行的智能化管理能力。

技术领域

本发明涉及智能交通控制技术领域，特别涉及一种多目标融合通行方法、装置、计算机设备及存储介质。

背景技术

随着经济的快速增长，高速公路、省道、城区主干道等建设迅猛发展，家庭轿车的数量也飞速增加，使当前交通情况日益复杂。而面对复杂的交通情况，交通通行的有效管理变得日益重要。其中，交通出行流量预测、交通道路及周边居民、商业综合体人流的快速出行需求周期特性预报、交通控制体的信号控制、道路路面状态及路口类型等组成了交通通行的关联体。

当前，针对交通车流量预测、交通出行路径优化等方向已经存在多种解决方案，例如：时间序列预测法、神经网络法、约束求解优化算法等。但上述方法往往只针对性地解决各类交通问题中的一个，对交通进行局部的优化，缺乏对交通通行整体的分析处理能力。因此，提供一种能够对交通通行进行整体分析，并能够模拟分析交通通行方案及管控预案、提升交通管理的智能化、解决城市“交通病”的方法逐步成为城市建设中的紧要任务。

发明内容

本发明实施例提供了一种多目标融合通行方法、装置、计算机设备及存储介质，旨在提高交通通行的智能化管理能力。

第一方面，本发明实施例提供了一种多目标融合通行方法，包括：

S101、获取目标交通场景在历史时间段内对应的交通主导信息，根据所述交通主导信息建立联合代价约束，再根据所述联合代价约束构建交通主导信息引擎，然后利用所述交通主导信息引擎计算得到道路控制选项和道路最大可通行车辆数范围的优化数据，并将所述优化数据作为策略样本；

S102、获取目标交通场景在历史时间段内对应的交通主导信息，根据所述交通主导信息建立联合代价约束，再根据所述联合代价约束构建交通主导信息引擎，然后利用所述交通主导信息引擎计算得到道路控制选项和道路最大可通行车辆数范围的优化数据，并将所述优化数据作为策略样本；

S103、根据所述策略样本和预测样本构建交通策略决策引擎，并利用所述交通策略决策引擎对所述历史时间段的目标交通场景生成管制策略，从而构建交通管制策略模型；

S104、根据所述管制策略与其对应的真实策略之间的差异分别对所述交通主导信息引擎和交通反馈引擎进行优化，从而对所述交通管制策略模型进行优化；

S105、利用优化后的交通管制策略模型为指定时间的目标交通场景生成管制策略。

进一步的，所述交通主导信息包括：天气信息、道路信息、交通控制信息和时间信息；

所述获取目标交通场景在历史时间段内对应的交通主导信息，根据所述交通主导信息建立联合代价约束，再根据所述联合代价约束构建交通主导信息引擎，然后利用所述交通主导信息引擎计算得到道路控制选项和道路最大可通行车辆数范围的优化数据，并将所述优化数据作为策略样本，包括：

S201、将所述天气信息、道路信息、交通控制信息和时间信息构建为一数据矩阵；

S202、判断所述数据矩阵中是否存在空值，若存在空值，则通过对应周期的均值数据对空值进行填充；

S203、对所述数据矩阵中的极值孤点进行平滑处理，然后对所述数据矩阵进行归一化处理，得到特征向量矩阵；