一种快速路行程时间预测方法技术

本发明专利技术提出了一种快速路行程时间预测方法。根据快速路上安装的检测器获取各车道速度和流量信息，可以实现对行程时间的计算和预测。具体方法是：首先根据检测器的位置将快速路在空间上划分为若干路段。利用路段中检测器获得的信息计算出检测断面的平均速度，并利用神经网络对速度的未来值进行预测。采用数据融合的方法将检测断面的速度进行融合，得到路段的空间平均速度。然后利用时空离散的方法，计算出路段的行程时间。依次计算出所有路段的行程时间并将其累加，就得到整个快速路的行程时间。利用本发明专利技术可以对快速路的行程时间进行预测，从而能够引导车辆合理利用快速路出行，对于缓解大城市交通拥堵具有重要作用。

【技术实现步骤摘要】

本专利技术涉及智能交通领域，尤其涉及一种用于道路的行程时间预测方法。 利用本专利技术可以对快速路的行程时间进行预测，从而能够引导车辆合理利用快 速路出行，缓解大城市交通拥堵问题。
技术介绍
在ITS (Intelligent Transportation Systems )智能交通研究领域，以实现道路交 通的信息化、智能化为目标的动态交通流信息采集系统的开发与应用正以欧洲、 美国、日本为中心迅速展开，为行程时间预测打下了硬件基础。许多其他国家 和地区也纷纷投入力量开展行程时间预测的研究活动，目前行程时间预测已成 为国际研究的热点问题之一 。随着ITS研究的深入，行程时间预测已有了一些成果。如美国交通预 测.COM公司研究的《一种提供旅行时间预测的方法》的专利(CN1434946, 2003. 08. 06)，此专利技术是一种利用基于互联网的采集和发布信息的技术来预测旅 行时间的交通信息系统。这个系统可以说明车辆类型、驾驶员特定的行为以及 对未来交通状况的预测，主要考虑到可预测事件及特殊天气状况对交通方式的 影响；浙江工业大学研究的《城市交通行程时间智能化分析系统》的专利 (CN101017609, 2007.08.15)，是一种城市交通行程时间智能化分析系统，考 虑车流量、行程时间带来的约束、能够应用到城市复杂网络、适用性好的城市 交通行程时间智能化分析系统。这些专利技术侧重点都在于整个智能交通系统中行 程时间所起的辅助作用或外界事件对其的影响。而没有具体针对快速路上精确计算预测行程时间的方法。
技术实现思路
本专利技术提出了。根据快速路上安装的固定 型检测器获取的各车道速度和流量信息，实现对行程时间的预测。具体计 算方法是先根据检测器的位置将快速路在空间上划分为若干路段。利用 路段中检测器获得的信息计算出检测断面的平均速度，并利用神经网络对 速度的未来值进行预测。采用数据融合的方法将检测断面的速度进行融合， 得到路段的空间平均速度。然后利用时空离散的方法，计算出路段的行程 时间。依次计算出各路段的行程时间并将其累加，得到整个快速路的行程 时间。根据本专利技术，提出了，包括下列步骤步骤l，将快速路在空间上划分为多个路段，每个路段中含有多组检测器， 每组检测器在各个检测周期时刻获得各检测断面各个车道的速度和流量信息；步骤2，从第一个路段开始，利用检测器获得各个车道车辆通过的速度信息， 通过各个车道的速度和流量信息计算出各个检测断面的平均速度；以某一时刻 ti(其中i = 0,1,2,3...)为起始时间，计算出各个检测断面在、时刻的平均速度；步骤3，根据历史测量得到的、时刻之前的检测断面平均速度和、时刻的检 测断面平均速度，利用神经网络预测各个检测断面在、时刻之后的速度；步骤4，进行数据融合，利用各个检测断面的速度融合出整个路段在各个时 刻的空间平均速度，并以此计算出车辆通过整个路段的行程时间Tj ， j = 1，2,3…；步骤5，以驶出路段的时刻tw二ti+Tj为下一个路段的起点，计算第一个 路段结束时、=^+1，重复上述步骤2-5，计算下一个路段的行程时间，如此重复，直到计算完最后一个路段为止；步骤6，对各路段的行程时间进行累加，得到对快速路行程预测时间为<formula>formula see original document page 7</formula>根据本专利技术的一个方面，步骤1中将快速路划分为若干路段的具体方法是在快速路上以一定间距布设一组检测器，将快速路划分为m个路段，每个路段包含n组相邻检测器，每组检测器检测r个车道。根据本专利技术的一个方面，步骤2中计算检测断面的平均速度的具体步骤是 步骤2-l，给第i个路段(l^、m)中n个检测器组编号为D;， 1S乂S"，设第i个路段中n个检测断面的平均速度为V^， 1Sj'S"; 步骤2-2，计算n个检测断面的平均速度V;如下<formula>formula see original document page 7</formula>其中，/^是第j组检测器处第k个车道单位时间的流量，KA:^r;《是 第j组检测器处第k个车道的流速。根据本专利技术的一个方面，步骤3中预测各个检测断面未来速度的具体步骤是步骤3-l，建立具有多输入、单输出和单隐层的三层BP网络，根据己知的多个时刻的速度作为输入，求出作为输出的未来某一时刻的速度；步骤3-2，采用试凑法训练网络，根据经验公式确定隐层的神经元个数S; 步骤3-3，选取训练参数，观察训练效果；步骤3-4，确定使得网络的MSE的值达到最小的神经元个数S;步骤3-5，利用确定的神经元个数S及所述神经网络预测各个检测断面的速度。根据本专利技术的一个方面，步骤4中进行数据融合，计算路段空间平均速度 的具体步骤是，利用加权平均算法，计算出第i个路段在t时刻(t为任意检测 时刻)的速度Vi(t)，其中(1S/Sw)，如下步骤4-l， n个检测断面的平均速度V;总体服从iV(A,of)的正态分布， 且相互独立；步骤4-2，引入加权因子",，Z"y=1，则空间平均速度的数据融合值为，=t"^;j=i其总的均方误差为^ =D(2>,Vci) = 5 "/ ;j=i j=步骤4-3，利用柯西不等式的定义，当(2 /)(1:4)"1>》2=1j=]j=i j=i等式成立时，总的均方误差达到最小。而等式当且仅当^c^2 = a2<r22 =…二 a cr/时成立。代入可得 / n 1《n =1/Z!~"/ j=l 步骤4-4，此时，可以得到等式步骤4-5，于是，总的均方误差达到最小的空间平均速度的数据融合值为j=l根据本专利技术的一个方面，步骤5中计算通过路段的行程时间的方法是使用时间离散法，具体步骤是步骤5-1，假设目标路段检测器的数据采集时间间隔为A/，目标路段的长度为L;步骤5-2，假设一辆车在时刻t进入这个路段，通过预测和数据融合可以得 到目标路段在未来时刻"込币、0,1,2,3...)的空间平均速度v,.,/二0,1，2,3…； 步骤5-3，车辆在A^时间内的行驶距离为/,;v,xA"而车辆在目标路段的累计行驶长度为丄,=/0 + A +…+ /,;步骤5-4，当丄,—,SZ^丄,时，车辆在时刻^ +込^驶出目标路段，从而路段行 程时间Tj， j = l，2,3 ，行程时间7;^(/xAO + (丄-A-!)/",(/〉0);步骤5-5，当丄。〉丄即/。>￡时，车辆在第一个时间间隔AZ内驶出目标路段， 贝|」/ = 0，行程时间刁.=丄"。。本专利技术提出的方法可取得以下有益效果由于实现了对快速路的行程 时间进行预测，从而能够引导车辆合理利用快速路出行，对于缓解大城市 交通拥堵具有重要作用。实测的交通流数据的计算实例表明，本专利技术所提 出的方法是非常有效的。为了进一步说明本专利技术的原理及特性，以下结合附图和具体实施方式对 本专利技术进行详细说明。附图说明图1是按照本专利技术的一个实施方式的快速路行程时间预测方法的流程示意图2是按照本专利技术的一个实施方式的快速路路段分段方式示意图。 图3是按照本专利技术的一个实施方式的计算快速路行程时间的流程图。 图4是按照本专利技术的一个实施方式的仿真结果和本文档来自技高网...

【技术保护点】
一种快速路行程时间预测方法，其特征在于，该方法包括下列步骤：　步骤１，将快速路在空间上划分为多个路段，在每个路段中设置多组检测器，每组检测器在各个检测周期时刻获得各检测断面各个车道的速度和流量信息；　步骤２，从第一个路段开始，利用检测器获得各个车道车辆通过的速度信息，通过各个车道的速度和流量信息计算出各个检测断面的平均速度；以某一时刻ｔ↓［ｉ］（其中ｉ＝０，１，２，３…）为起始时间，计算出各个检测断面在ｔ↓［ｉ］时刻的平均速度；　步骤３，根据历史测量得到的ｔ↓［ｉ］时刻之前的检测断面平均速度和ｔ↓［ｉ］时刻的检测断面平均速度，利用神经网络预测各个检测断面在ｔ↓［ｉ］时刻之后的速度；　步骤４，进行数据融合，利用各个检测断面的速度融合出整个路段在各个时刻的空间平均速度，并以此计算出车辆通过整个路段的行程时间Ｔ↓［ｊ］，其中ｊ＝１，２，３…；　步骤５，以驶出路段的时刻ｔ↓［ｉ＋１］＝ｔ↓［ｉ］＋Ｔ↓［ｊ］为下一个路段的起点，计算第一个路段结束时ｔ↓［１］＝ｔ↓［０］＋Ｔ↓［１］，重复上述步骤２－５，计算下一个路段的行程时间，如此重复，直到计算完最后一个路段为止；　步骤６，对各路段的行程时间进行累加，得到对快速路行程预测时间为Ｔ＝＊Ｔ↓［ｊ］。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈德旺，魏天磊，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：11[]