[发明专利]一种基于断面调查数据的区域路网重型货车流量估算方法

说明书

本发明公开了一种基于断面调查数据的区域路网重型货车流量估算方法，结合公路交通流量断面观测数据和重型货车行驶轨迹数据，引入神经网络模型和遗传算法等数据驱动方法，可评估运输结构调整、货车限行等管理政策对重型货车流量变化的影响，为后续精确分析道路排放规律提供完善的交通活动水平数据。本方法依托公路网交通流观测系统和全国道路货运车辆公共监管与服务平台的重型货车交通流大数据，引入神经网络模型和遗传算法等数据驱动方法，可以更加精确地估算路网重型货车的断面流量，为定量评估管控政策实施对区域路网重型货车运行的影响提供了指导和依据。

技术领域

本发明属于公路运输领域，具体涉及一种基于断面调查数据的区域路网重型货车流量估算方法。

背景技术

重型柴油货车污染治理作为大气污染防治的重要举措，路网重型货车流量是高分辨率排放清单计算和空气质量模拟的数据基础，也是制定重型货车管控政策的重要支撑。

传统基于重力模型、多比例法、原单位法等交通需求预测方法无法反映运输网络结构、货运发生吸引量(OD，Origin Destination)供需分布和路段流量的变化情况，与实际交通流量特征脱节，无法模拟预测各种政策情景下引起的货车交通流量时空变化。而目前基于智能交通信息采集技术的车辆流量数据获取主要依靠线圈、视频检测，存在覆盖范围不全、数据缺失等问题。

本发明结合公路交通流量断面观测数据和重型货车行驶轨迹数据，引入神经网络模型和遗传算法等数据驱动方法，提出了一种基于断面调查数据的区域路网重型货车流量估算方法。可评估运输结构调整、货车限行等管理政策对重型货车流量变化的影响，为后续精确分析道路排放规律提供完善的交通活动水平数据。

发明内容

本发明的目的是提供了一种基于断面调查数据的区域路网重型货车流量估算方法，可定量评估政策实施对区域路网重型货车运行的影响。

为达到上述目的，本发明的技术方案提供了一种基于断面调查数据的重型货车流量估算方法，其步骤为：

步骤1：划分交通小区，将区域划分为交通内部小区和外部小区。根据研究区域范围的大小，以不同的区划边界划分交通小区；所述不同的区划是地市或者区县行政区划，或者是自定义的空间范围。

步骤2：获取区域的路网中，交通流量调查装置采集到的重型货车交通流量断面观测数据。

步骤3：重型货车OD分布估算。基于步骤2中确定的重型货车交通流量断面观测数据，采用构建的OD反推模型对区域交通小区货运OD分布进行估算。

其中，步骤3中所提到的OD反推模型通过以下方法建立：

步骤3.1：根据步骤1中已划分的交通小区，作为OD反推模型的输入。

步骤3.2：对基于神经网络模型的OD反推模型进行框架设计，其中设置隐含层为二层、模型总层数为四层。

步骤3.3：获取基于神经网络模型的训练数据和验证数据，选取不同日期的数据分别作为训练数据和验证数据，均包括输入数据和目标数据。其中输入数据为交调站点采集到的货车流量数据。目标数据按如下流程获取：第一步，根据道路货运车辆公共监管与服务平台获取高频货运车辆GPS位置数据，匹配得到单辆货车单次出行的行驶轨迹。第二步，根据一天内所有货车单次出行的行驶轨迹，对行程进行划分，提取起讫城市后统计得到不同交通小区间的OD分布量。

步骤3.4：基于神经网络模型的训练和调参，将基于神经网络模型训练到满意状态。满意状态按照如下两个步骤进行限定：第一步，选取学习速率、均方误差MSE(MeanSquared Error)和迭代次数等三个指标，当神经网络模型学习速率小于0.05、或者迭代次数大于3000次、或者均方误差MSE小于1*10^-3，此时训练模型可进入下一步继续判定是否为满意状态；第二步，采用验证数据对神经网络模型进行检验，估计误差小于20％时，模型即训练至满意状态。