[发明专利]一种交通路网拥堵状态预测方法及系统

说明书

本发明涉及一种交通路网拥堵状态预测方法及系统，本发明融合了社会力模型和粒子群算法，可以有效仿真出交通流的变化情况。本发明可以与实时路况相结合，将交通事故、交通管制等突发因素考虑在内，实现短时交通状态预测，对于个人的出行计划安排和交通管理部门的日常工作都具有重要的指导意义。

技术领域

本发明涉及智慧交通技术领域，尤其涉及一种交通路网拥堵状态预测方法及系统。

背景技术

交通系统与人们的日常出行息息相关，而交通系统的拥堵状态不仅影响人们对出行路线的选择，也事关交通管理部门如何对交通进行调控。在当前的技术条件下，传感器和物联网技术取得了飞速发展，交通系统中的基础设施也得到了完善，测速系统、摄像头等装置已经广泛地分布于城市路网当中，通过这些装置可以实时采集到当前的路况信息，并通过互联网将路况信息发布到公共平台，有效帮助了人们的出行，但仅靠实时的交通信息还无法高效地引导人们出行，在辅助交通管理方面也有不足之处，若能够根据实时的交通路况，预测出未来一定时间内的交通流变化情况，则可以提前采用一定的措施，一定程度上避免拥堵的发生。

交通拥堵状态预测的方法有很多，当前的技术条件下，它们可归为模型化方法、机器学习方法。模型化方法中包括历史平均模型、自回归模型等，机器学习方法包括了各种各样的神经网络。模型化方法所需要依赖的硬件设备相对简单，一般是利用了统计学原理，从交通流历史数据的变化中寻找规律，用数据拟合的办法估计未来变化趋势。而随着近年来计算机硬件性能的大幅提升，用深度学习技术进行数据预测成为了研究热点，以递归神经网络(RNN)为代表的深度学习算法成为了常用的方法之一。从预测效果来看，深度学习技术相比较模型化方法有更好的数据拟合能力，预测精度也要好一些。但这些方法以大量历史数据为依据，可以模拟常规条件下的交通流变化趋势，但在突发事件(如交通事故)的影响下，难以做出准确的预测。

发明内容

本发明为克服上述的不足之处，目的在于提供一种交通路网拥堵状态预测方法及系统，本发明融合了社会力模型和粒子群算法，可以有效仿真出交通流的变化情况。本发明可以与实时路况相结合，将交通事故、交通管制等突发因素考虑在内，实现短时交通状态预测，对于个人的出行计划安排和交通管理部门的日常工作都具有重要的指导意义。

本发明是通过以下技术方案达到上述目的：一种交通路网拥堵状态预测方法，包括如下步骤：

(1)基于实际路网结构构建仿真系统的路网拓扑结构；

(2)基于实时交通状态初始化仿真系统中的移动粒子和路网规则；

(3)引入社会力模型分析交通路网个体元素间的相互作用力；

(4)融合元胞自动机思想和基于统计学的概率模型，得到交通运行模型；

(5)进行交通路网拥堵状态仿真，得到拥堵状态的预测结果。

作为优选，所述步骤(1)构建仿真系统的路网拓扑结构具体过程为：将整个交通网络图抽象成一个带有多重属性的赋权有向图，用公式写为：

T＝(N，R，S，E，W，F)

其中，N为整个路网中的节点组成的集合，R为所有路段组成的集合，S为交通流生成区组成的集合，每个交通流生成区以一定概率向路网中输出模拟行人和车辆的粒子，E为交通流终止区组成的集合，路网中的车辆与行人以一定概率流向交通流终止区，W为路段权值组成的集合，用于描述路段的多重属性；F为路网规则组成的集合，包括路段、节点的基本交通规则、以及突发的外界因素。