[发明专利]多源数据融合的高速公路收费站出口流量预测方法及系统

说明书

本发明公开了多源数据融合的高速公路收费站出口流量预测方法及系统，获取高速公路收费数据和车辆牌照识别数据，提取各单源数据流量特征，根据待预测收费站出口的时空特性统一各单源时空维度，构建基于收费数据的预测模型和基于车辆牌照识别数据的预测模型，将两个单源预测模型的输出作为多源数据融合预测模型的输入，基于多源数据融合预测模型获取预测流量。本发明结合收费数据和车辆牌照识别数据进行多方位检测，利用多源数据间的互补性和冗余性，避免了基于单一数据源可能存在的检测范围小、数据特征少的局限性，提高了交通预测的准确率。

技术领域

本发明涉及智能交通领域，具体涉及多源数据融合的高速公路收费站出口流量预测方法，还涉及多源数据融合的高速公路收费站出口流量预测系统。

背景技术

高速公路密切了城市之间的联系，给出行者带来更加便捷的出行条件，人民对高速公路服务、交通诱导服务的需求不断增加，交通管理部门对交通管控、交通状况的缓解提出更高的要求。交通流预测是分析道路上交通状况、挖掘交通模式以及预测道路交通趋势的过程。

收费站是高速公路交通网络中的瓶颈节点，容易引发交通排队问题。及时的流量预测可以帮助交通管理部门先行做出决策，交通管理部门可根据预测结果预先实施抢占性对策，例如增派收费员等来应对高峰时刻，最大化改善交通状况和减少交通延误。通过采集到的数据对流量做出预测，可有效缓减收费站出口拥堵问题，为出行者提供便捷高效的出行服务，树立良好的高速公路形象。

现有的高速公路收费站出口流量预测大多基于单一的数据源进行预测，单一的数据可能会有检测范围小，数据特征少的局限性。在高速公路大数据中，多源数据具有数据种类齐全，数据量大的特点，利用多源数据间的互补性和冗余性，通过多源数据融合能够有效提高交通预测的准确率。

发明内容

本发明目的：在于提供多源数据融合的高速公路收费站出口流量预测方法及系统，通过融合收费数据和车辆牌照识别数据建立预测模型，对高速公路收费站出口流量进行预测，从而提高交通流预测精度，缓解交通拥堵。

为实现以上功能，本发明设计多源数据融合的高速公路收费站出口流量预测方法，包括以下步骤S1-步骤S5：

步骤S1：获取高速公路收费数据和车辆牌照识别数据，其中高速公路收费数据包括高速公路上的各出口收费站数据以及各入口收费站数据；

步骤S2：分别针对高速公路收费数据和车辆牌照识别数据，提取单源数据流量特征；

步骤S3：根据待预测出口收费站的时空特性，统一各单源数据流量特征的时空维度，获得时空一致化的入口收费站的数据、时空一致化的车辆牌照识别数据；

步骤S4：分别构建基于收费数据的预测模型和基于车辆牌照识别数据的预测模型，其中基于收费数据的预测模型以步骤S3所获得的时空一致化的入口收费站的数据为输入，以预测的出口收费站流量为输出，基于车辆牌照识别数据的预测模型以步骤S3所获得的时空一致化的车辆牌照识别数据为输入，以预测的出口收费站流量为输出；

步骤S5：针对基于收费数据的预测模型和基于车辆牌照识别数据的预测模型所输出的预测的出口收费站流量，基于神经网络进行融合，获得融合后的出口收费站流量多源预测结果。

作为本发明的一种优选技术方案：步骤S2中提取单源数据流量特征方法为：将步骤S1所获取的数据按照5min的时间维度进行聚合，共有s条数据，预测时间序列为待预测出口收费站流量序列为

作为本发明的一种优选技术方案：步骤S3中车辆牌照识别数据的时空一致化方法如下：

按照时间、空间特性匹配的原则对车辆牌照识别数据进行筛选，以同路段为约束将其转换为同时段、同间隔的车辆牌照识别数据；

入口收费站的数据的时空一致化方法如下：