一种基于双状态划分的高速公路路段通行时间预测方法技术

本发明专利技术公开了一种基于双状态划分的高速公路路段通行时间预测方法，包括：确定高速公路路段和门架间的上下游关系；获取高速公路历史数据；将历史数据处理为交通流量及平均通行时间序列；确定与时段对应的路段交通状态；划分车辆行驶速度状态；利用历史车辆的路段交通状态、车辆行驶速度状态及上游路段平均行驶速度，对下游路段通行时间建模并训练；实时采集目标车辆数据，提取特征输入通行时间预测模型，得到预测结果。本发明专利技术对高速公路交通数据进行了多源数据融合与时空特征分析，将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合，运用贝叶斯模型，实现了以车辆为单位的高速公路通行时间精确预测。单位的高速公路通行时间精确预测。单位的高速公路通行时间精确预测。

【技术实现步骤摘要】
一种基于双状态划分的高速公路路段通行时间预测方法


[0001]本专利技术涉及交通预测、交通系统建模分析等
，具体涉及一种基于双状态划分的高速公路路段通行时间预测方法。

技术介绍

[0002]高速公路通行时间是衡量交通运行状况的重要指标之一，也是出行者最易理解和最关心的一个指标。对高速公路通行时间进行准确的预测有助于管理者实时监测路段状态，对异常情况做出反应；有助于出行者合理安排出行路线和时间，提高行程效率。
[0003]在目前现有的研究中，已经开发出一系列通过历史交通数据对高速公路通行时间预测的方法及模型。但是，在大多数情况下，这些方法以时段平均通行时间为研究对象，忽略了个体驾驶行为对于通行时间的影响。同时，现有方法基于路段状态对时段进行划分时，没有充分考虑可监测数据之外的隐藏变量。因此，在预测高速公路通行时间时，需要考虑含隐藏变量的路段交通宏观状态和车辆行驶微观状态划分，并将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合，对高速公路交通数据进行时空特征分析，这样才能进一步提高预测准确度，细化预测主体，使得交通管理者在对道路通行情况做出整体判断的同时，增强对个体行为的监管。

技术实现思路

[0004]本专利技术的目的在于提供一种基于双状态划分的高速公路路段通行时间预测方法，将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合，深化对高速公路通行时间影响因素的认知，改善对交通系统模型笼统的整体性分析方法。
[0005]实现本专利技术目的的技术解决方案为：一种基于路段交通宏观状态和车辆行驶微观状态的双状态划分高速公路路段通行时间预测方法，包括以下步骤：
[0006]步骤1，将高速公路按门架划分为路段，按车辆行驶方向确定各路段间的上下游关系以及各路段的上下游门架；
[0007]步骤2，获取高速公路待预测路段上下游门架的历史车辆数据及其上游路段上游门架的历史车辆数据；
[0008]步骤3，选取固定的时间步长，将步骤2获取的待预测路段上下游门架历史车辆数据处理为此步长的待预测路段上下游门架交通流量序列及平均通行时间序列；
[0009]步骤4，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系；
[0010]步骤5，从步骤2获取的历史车辆数据中统计每辆车通过待预测路段上游门架时间所处时段，根据步骤4得到的对应关系确定每辆车行驶时的路段交通状态。
[0011]步骤6，从步骤2获取的历史车辆数据中统计每辆车通过待预测路段上游门架时的瞬时车速，并计算每辆车通过上游路段的平均行驶速度，根据上游门架瞬时车速和上游路段平均行驶速度对车辆进行聚类分析，划分历史车辆行驶速度状态，并训练得到车辆行驶
速度状态分类器；
[0012]步骤7，综合历史车辆在步骤5获得的路段交通状态、步骤6获得的车辆行驶速度状态和上游路段的平均行驶速度，对下游待预测路段通行时间进行建模和模型训练。
[0013]步骤8，实时采集通过待预测路段上游门架的单辆车作为目标车辆，提取目标车辆特征输入步骤7得到的下游路段通行时间预测模型，得到预测结果。
[0014]步骤2中，历史车辆数据包括：车牌号、过门架时间、过门架瞬时车速；历史车辆数据来自于雷达和视频融合采集的数据。
[0015]步骤3中，选取固定的时间步长，将步骤2获取的待预测路段上下游门架历史车辆数据处理为此步长的待预测路段上下游门架交通流量序列及平均通行时间序列，具体方法为：
[0016]步骤3
‑
1，将固定的时间步长设定为5分钟，根据交通参数的日周期性，待预测路段上下游门架交通流量序列及平均通行时间序列按照日(24小时)进行划分，每个序列中包含的元素量为288个。
[0017]步骤3
‑
2，统计每5分钟内通过待预测路段上下游门架的车辆数量，得到待预测路段上下游门架交通流量序列。
[0018]步骤3
‑
3，统计每5分钟内车辆通过待预测路段所用的通行时间均值，得到待预测路段平均通行时间序列。
[0019]步骤3
‑
4，对所有样本数据重复步骤3
‑
2和步骤3
‑
3，得到与样本天数相同的多天待预测路段上下游门架交通流量序列及平均通行时间序列。
[0020]步骤4中，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系，具体方法为：
[0021]步骤4
‑
1，使用EM聚类算法对路段交通状态进行聚类，选择每个时间步长的待预测路段上下游门架交通流量及平均通行时间作为特征输入，输出为各个时间步长所对应的交通状态，对所有样本天数的数据重复进行此操作，获得每个时间步长在不同天所对应的交通状态集合{S1，S2，......，S
M
}，其中，
[0022][0023]n为天数样本编号，n≤M且n为正整数，M为样本天数；为各时间步长交通状态，Q为聚类数，i∈{1，2，......，288}；
[0024]步骤4
‑
2，使用投票法修正聚类得到的各时间步长交通状态，记S
i
为序列中的众数，表示修正后第i个时间步长对应的交通状态，i∈{1，2，......，288}，M为样本天数。
[0025]对每个时间步长统计修正后，去除了单天样本特殊性，得到了时段与路段交通状态间的对应关系：
[0026]S＝{S1，S2，......，S
288
}
[0027]步骤6中，从步骤2获取的历史车辆数据中统计每辆车通过待预测路段上游门架时的瞬时车速，并计算每辆车通过上游路段的平均行驶速度，根据上游门架瞬时车速和上游路段平均行驶速度对车辆进行聚类分析，划分历史车辆行驶速度状态，并训练得到车辆行驶速度状态分类器，具体方法为：
[0028]步骤6
‑
1，提取历史车辆过待预测路段上游门架时的瞬时车速信息。
[0029]步骤6
‑
2，对比通过上游路段上下游门架车辆车牌信息，计算过门架时间差，该时间差即为历史车辆通过上游路段的通行时间，用路段长度除以通行时间得到单辆车在上游路段的平均行驶速度；
[0030]步骤6
‑
3，采用EM聚类算法，将历史车辆的上游路段平均行驶速度与待预测路段上游门架瞬时车速作为输入，把车辆行驶速度分割成不同的类，输出为每辆车行驶速度所属的类别，即车辆行驶速度状态。
[0031]步骤6
‑
4，将历史车辆的上游路段平均行驶速度、待预测路段上游门架瞬时车速与车辆行驶速度状态作为训练集，对车辆行驶速度状态分类器进行训练。对于训练完成的车辆行驶速度状态分类器，对训练器实时输入车辆的上游路段平均行驶速度与待预测路段上游门架瞬时车速即可获得该车辆的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双状态划分的高速公路路段通行时间预测方法，其特征在于，包括以下步骤：步骤1，将高速公路按门架划分为路段，按车辆行驶方向确定各路段间的上下游关系以及各路段的上下游门架；步骤2，获取高速公路待预测路段上下游门架的历史车辆数据及其上游路段上游门架的历史车辆数据；步骤3，选取固定的时间步长，将步骤2获取的待预测路段上下游门架历史车辆数据处理为此步长的待预测路段上下游门架交通流量序列及平均通行时间序列；步骤4，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系；步骤5，从步骤2获取的历史车辆数据中统计每辆车通过待预测路段上游门架时间所处时段，根据步骤4得到的对应关系确定每辆车行驶时的路段交通状态。步骤6，从步骤2获取的历史车辆数据中统计每辆车通过待预测路段上游门架时的瞬时车速，并计算每辆车通过上游路段的平均行驶速度，根据上游门架瞬时车速和上游路段平均行驶速度对车辆进行聚类分析，划分历史车辆行驶速度状态，并训练得到车辆行驶速度状态分类器；步骤7，综合历史车辆在步骤5获得的路段交通状态、步骤6获得的车辆行驶速度状态和上游路段的平均行驶速度，对下游待预测路段通行时间进行建模和模型训练；步骤8，实时采集通过待预测路段上游门架的单辆车作为目标车辆，提取目标车辆特征输入步骤7得到的下游路段通行时间预测模型，得到预测结果。2.根据权利要求1所述的基于双状态划分的高速公路路段通行时间预测方法，其特征在于，步骤2中，所述历史车辆数据包括：车牌号、过门架时间、过门架瞬时车速；历史车辆数据来自于雷达和视频融合采集的数据。3.根据权利要求1所述的基于双状态划分的高速公路路段通行时间预测方法，其特征在于，步骤3中，选取固定的时间步长，将步骤2获取的待预测路段上下游门架历史车辆数据处理为此步长的待预测路段上下游门架交通流量序列及平均通行时间序列，具体方法为：步骤3
‑
1，将固定的时间步长设定为5分钟，根据交通参数的日周期性，待预测路段上下游门架交通流量序列及平均通行时间序列按照日(24小时)进行划分，每个序列中包含的元素量为288个。步骤3
‑
2，统计每5分钟内通过待预测路段上下游门架的车辆数量，得到待预测路段上下游门架交通流量序列。步骤3
‑
3，统计每5分钟内车辆通过待预测路段所用的通行时间均值，得到待预测路段平均通行时间序列。步骤3
‑
4，对所有样本数据重复步骤3
‑
2和步骤3
‑
3，得到与样本天数相同的多天待预测路段上下游门架交通流量序列及平均通行时间序列。4.根据权利要求1所述的基于双状态划分的高速公路路段通行时间预测方法，其特征在于，步骤4中，根据步骤3处理的待预测路段上下游门架交通流量序列和路段平均通行时间序列，对时段进行聚类，确定各时段与路段交通状态间的对应关系，具体方法为：步骤4
‑
1，使用EM聚类算法对路段交通状态进行聚类，选择每个时间步长的待预测路段
上下游门架交通流量及平均通行时间作为特征输入，输出为各个时间步长所对应的交通状态，对所有样本天数的数据重复进行此操作，获得每个时间步长在不同天所对应的交通状态集合{S1,S2,
……
,S
M
},其中，n为天数样本编号，n≤M且n为正整数，M为样本天数；为各时间步长交通状态，Q为聚类数,i∈{1,2,
……
,288}；步骤4
‑
2，使用投票法修正聚类得到的各时间步长交通状态，记S
i
为序列中的众数，表示修正后第i个时间步长对应的交通状态，i∈{1,2,
……
...

【专利技术属性】
技术研发人员：张伟斌，查华竹，张帅，甘露，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：