【技术实现步骤摘要】
本专利技术涉及一种考虑驾驶行为异质性和交通流参数相关性的道路交通流速度预测方法与系统，属于城市道路交通管理和控制领域。
技术介绍
1、道路交通流速度的不确定性表现为相同交通密度条件下，交通流速度的离散性和随机性，与车辆类型、天气条件、个体车辆的速度异质性等可量化的影响因素密切相关，同时受到驾驶人生理和心理特征、光线强度、风速、交通事件等随机因素的影响。驾驶人对交通信息的感知和反馈的差异性导致随机性和差异化的驾驶行为，使车辆产生差异化的行驶速度，导致交通流速度具有波动性和随机性，交通流具有不确定性。
2、相同交通流密度条件下，交通流速度不是唯一确定的，它们在特定范围内变化，这种交通流速度和密度之间的变化关系称为交通流速度异质性。交通流速度异质性是交通流的内在属性。拥堵状态下驾驶人对交通信息和道路环境感知和反馈的差异产生走走停停、频繁加减速等差异化驾驶行为，导致个体车辆具有差异化的行驶速度，从而导致相同车流密度条件下交通流速度具有高度波动性和随机性。准确掌握交通流速度异质性是实现城市道路交通流速度精准预测的关键。
3、交通流速度预测模型是城市道路交通管控的基础，是预判交通流状态的重要方法。传统交通流短时预测模型研究中，学者们通过建立交通流量、交通流速度和车流密度的确定性关系研究了交通流运行状态的稳定性，建立了交通流短时预测模型，取得了丰富的研究成果。然而，现有的交通流速度预测模型主要针对交通流速度和车流密度之间确定性的关系，缺乏对交通流基本要素和关键参数之间不确定性关系的研究，也缺乏对交通流参数之间的相关性的
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法与系统，考虑可观测和不可观测因素导致的差异化驾驶行为对交通流速度的影响，以及交通流参数之间的相关性构建交通流速度预测模型，以提高道路交通流速度预测精度，有助于交通设计和管理部门优化城市道路交通设计和改造方案、制定合理有效的实时控制和诱导策略，对缓解城市道路交通拥堵具有应用价值。
2、技术方案：上述的目的通过以下技术方案实现：
3、一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，采用两阶段交通流模型构建交通流速度和交通密度的关系函数，采用贝叶斯推断在同一模型框架内对两阶段交通流模型进行参数估计，包括以下步骤：
4、采用交通流速度的方差代表驾驶员驾驶行为的异质性，建立预设时间段内交通流速度的方差与车流密度k的关系函数，定义为g(k|β1,…,βn)，其中g(.)是关系函数，β1,…,βn是参数；
5、采用交通流模型建立交通流速度期望值μ和密度k之间关系，其关系模型为μ＝f(k|ω1,ω2,λ1,…,λn)+εh(k),其中ω1是自由流速度uf，ω2是拥堵密度kj或者最佳密度ko，λ1…,λn是交通流模型的特征参数，εh(k)是跟密度相关的误差；
6、采用线形模型建立交通流速度观测值u和速度期望值μ之间关系，其关系模型为u＝μ+ε,其中ε是随机误差；
7、采用相关随机参数分布代表交通流参数的相关性，构建考虑交通流参数相关性的道路交通流速度预测模型，交通流速度和密度关系模型中两个参数ω1和ω2服从二元正态分布mvn2，其表达式为：
8、
9、其中μω1,μω2和是ω1,ω2的均值和方差，cov(ω1,ω2)是ω1,ω2的协方差；ω1,ω2的相关系数ρ的表达式为：
10、
11、采用正态分布n代表交通流速度的误差，跟交通密度相关的误差εh(k)服从正态分布n(0,g(k|β1,…,βn))，随机误差ε服从正态分布n(0,σ2)，其中σ2是ε的方差；
12、采用贝叶斯更新对模型进行参数估计；
13、使用两阶段交通流模型预测交通流速度，考虑车辆行驶速度异质性的道路交通流速度预测值表达式为：
14、
15、其中是f在处的二阶偏导数。
16、进一步地，所述采用贝叶斯更新对模型进行参数估计，包括：
17、交通流速度方差服从正态分布n，其表达式为：
18、
19、其中和分别是交通流速度方差的期望和方差，
20、交通流速度服从正态分布n，其表达式为：
21、u～n(μ,σ2)
22、其中μ和σ2分别是交通流速度u的期望和方差，μ＝f(k|ω1,ω2,λ1,…,λn)+εh(k)；
23、采用贝叶斯更新方法，在同一模型框架内对两阶段交通流模型的参数β1,…,βn,λ1,…,λn,cov(ω1,ω2),σ2进行估计。
24、进一步地，对两阶段交通流模型的参数估计时，后验函数的表达式为：
25、其中是u的概率，从正态分布n(μ,σ2)获得，是ω1,ω2的概率，从二元正态分布mvn2获得，是εh(k)的概率，从正态分布n(0,g(k|β1,…,βn))获得，是的概率，从正态分布获得，p(λ1)…p(λn)，p(σ2)是β1…βn,cov(ω1,ω2)，λ1…λn，σ2的先验分布,根据cov(ω1,ω2)估计值计算ω1,ω2的相关系数ρ。
26、进一步地，所述的两阶段交通流模型中的参数的先验分布采用正态分布n(0,10000)，逆伽马分布ig(0.01,0.01)和逆威沙特分布其表达式为β1～n(0,10000),…,βn～n(0,10000),λ1～n(0,10000),…,λn～n(0,10000),σ2～ig(0.01,0.01),
27、作为优选，所述g(k|β1,…,βn)定义为：
28、
29、作为优选，所述f(k|ω1,ω2,λ1,…,λn)定义为：
30、
31、其中uf和kj分别是交通流模型的参数自由流速度和拥堵密度，cj是在拥堵密度处的运动波速度。
32、一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测系统，包括：交通流模型创建模块、参数估计模块以及交通流速度预测模块；
33、所述交通流模型创建模块，用于采用交通流速度的方差代表驾驶员驾驶行为的异质性，建立预设时间段内交通流速度的方差与车流密度k的关系函数，定义为g(k|β1,…,βn)，其中g(.)是关系函数，β1,…,βn是参数；采用交通流模型建立交通流速度期望值μ和密度k之间关系，其关系模型为μ＝f(k|ω1,ω2,λ1,…,λn)+εh(k),其中ω1是自由流速度uf，ω2是拥堵密度kj或者最佳密度ko，λ1,…,λn是交通流模型中的特征参数，εh(k)是跟密度相关的误差；采用线形模型建立交通流速度观测值u和速度期望值μ之间关系，其关系模型为u＝μ+ε,其中ε是随机误差；采用相关随机参数分布代表交通流参数的相关性，构建本文档来自技高网...
【技术保护点】
1.一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：所述采用贝叶斯更新对模型进行参数估计，包括：
3.根据权利要求2所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：对两阶段交通流模型的参数估计时，后验函数的表达式为：
4.根据权利要求2所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：所述的两阶段交通流模型中的参数的先验分布采用正态分布N(0,10000)，逆伽马分布IG(0.01,0.01)，以及逆威沙特分布其表达式为β1～N(0,10000),…,βn～N(0,10000),λ1～N(0,10000),…,λn～N(0,10000),σ2～IG(0.01,0.01),
5.根据权利要求1所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：所述g(k|β1,…,βn)定义为：
6.根据权利要求1所述的考虑车辆行驶速度异
7.一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测系统，其特征在于，包括：交通流模型创建模块、参数估计模块以及交通流速度预测模块；
8.根据权利要求7所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测系统，其特征在于：所述g(k|β1,…,βn)定义为：
9.根据权利要求7所述的考虑车辆行驶速度异质性的道路交通流速度预测系统，其特征在于：所述f(k|ω1,ω2,λ1,…,λn)定义为：
10.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-6任一项所述的考虑车辆行驶速度异质性的道路交通流速度预测方法的步骤。
...【技术特征摘要】
1.一种考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：所述采用贝叶斯更新对模型进行参数估计，包括：
3.根据权利要求2所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：对两阶段交通流模型的参数估计时，后验函数的表达式为：
4.根据权利要求2所述的考虑驾驶行为异质性和参数相关性的道路交通流速度预测方法，其特征在于：所述的两阶段交通流模型中的参数的先验分布采用正态分布n(0,10000)，逆伽马分布ig(0.01,0.01)，以及逆威沙特分布其表达式为β1～n(0,10000),…,βn～n(0,10000),λ1～n(0,10000),…,λn～n(0,10000),σ2～ig(0.01,0.01),
5.根据权利要求1所述的考虑驾驶行为异质性和参数相关性的道路交通流速...
【专利技术属性】
技术研发人员：柏璐，许必承，蒋璇，俞灏，梁启宇，胡海如，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。