System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于大数据的高速公路拥堵预测方法及系统技术方案_技高网

基于大数据的高速公路拥堵预测方法及系统技术方案

技术编号:43198731 阅读:8 留言:0更新日期:2024-11-01 20:18
本申请提供一种基于大数据的高速公路拥堵预测方法及系统,通过精准提取高速公路路况状态矢量数据,并结合先验模式知识数据进行智能交融分析,显著提高了高速公路拥堵预测的准确性,不仅能够实时生成目标路段的潜在拥堵趋势特征,还能进一步识别出具体的拥堵风险模式,并自动匹配历史数据中相似拥堵案例的成因,从而快速定位出当前拥堵的潜在原因。相比传统预测方法,本发明专利技术不仅预测时效性强,而且预测结果更为细致和深入,为交通管理部门提供了更为科学、精准的决策支持。通过提前识别并预警潜在的交通拥堵,有助于及时采取有效措施,缓解交通压力,提升道路通行效率。

【技术实现步骤摘要】

本申请涉及大数据,具体而言,涉及一种基于大数据的高速公路拥堵预测方法及系统


技术介绍

1、随着城市化进程的加快和汽车保有量的持续增长,高速公路作为现代交通体系的重要组成部分,其通行效率直接影响到城市的整体运行效率和居民的生活质量。然而,高速公路拥堵问题日益严重,成为制约交通流畅度的关键因素之一。传统的交通管理方式往往依赖于人工巡查和经验判断,难以实现对高速公路拥堵状况的实时、精准预测,导致在应对拥堵时常常处于被动状态。

2、近年来,随着大数据技术的飞速发展,其在交通管理领域的应用日益广泛。通过收集和分析海量的交通监控数据,可以揭示交通流变化的内在规律,为拥堵预测提供科学依据。然而,现有的高速公路拥堵预测方法大多存在预测精度不高、预测范围有限、预测时效性差等问题。这主要是由于这些方法在数据处理、特征提取、模式识别等方面存在不足,无法充分利用大数据的优势,深入挖掘交通流数据的潜在价值。具体而言,现有的预测方法往往依赖于单一的交通参数(如车流量、平均车速等)进行预测,忽略了路况标签、历史拥堵案例等多元化信息的重要性。


技术实现思路

1、鉴于上述提及的问题,结合本申请的第一方面,本申请实施例提供一种基于大数据的高速公路拥堵预测方法,所述方法包括:

2、从包含多个高速公路路况标签的目标交通监控大数据中,提取设定高速公路路况标签的目标路况状态矢量数据;

3、依据所述设定高速公路路况标签的先验模式知识数据,对所述目标路况状态矢量数据进行交融,生成目标潜在拥堵趋势特征,所述先验模式知识数据用于反映:多个先验交通监控大数据分别针对所述设定高速公路路况标签提取的先验路况状态矢量数据,与对应的候选拥堵原因知识点之间的映射联系;

4、对所述目标潜在拥堵趋势特征进行拥堵风险模式特征识别,生成目标拥堵风险模式特征,并针对所述目标拥堵风险模式特征,从所述多个先验交通监控大数据分别对应的先验拥堵风险模式特征中,选取符合目标匹配要求的一个或多个候选拥堵风险模式特征;

5、将所述一个或多个候选拥堵风险模式特征所对应的候选拥堵原因知识点,作为所述目标交通监控大数据的预测拥堵原因知识点。

6、再一方面,本申请实施例还提供一种交通监控系统,包括处理器、机器可读存储介质,所述机器可读存储介质和所述处理器连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于运行所述机器可读存储介质中的程序、指令或代码,以实现上述的方法。

7、基于以上方面,本申请实施例通过精准提取高速公路路况状态矢量数据,并结合先验模式知识数据进行智能交融分析,显著提高了高速公路拥堵预测的准确性,不仅能够实时生成目标路段的潜在拥堵趋势特征,还能进一步识别出具体的拥堵风险模式,并自动匹配历史数据中相似拥堵案例的成因,从而快速定位出当前拥堵的潜在原因。相比传统预测方法,本专利技术不仅预测时效性强,而且预测结果更为细致和深入,为交通管理部门提供了更为科学、精准的决策支持。通过提前识别并预警潜在的交通拥堵,有助于及时采取有效措施,缓解交通压力,提升道路通行效率。

本文档来自技高网...

【技术保护点】

1.一种基于大数据的高速公路拥堵预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述从包含多个高速公路路况标签的目标交通监控大数据中,提取设定高速公路路况标签的目标路况状态矢量数据,包括:

3.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述先验模式知识数据的获取步骤,包括:

4.根据权利要求3所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述依据本次循环过程对应的基础先验模式知识数据,对一个先验路况状态矢量数据进行交融,生成先验潜在拥堵趋势特征,包括:

5.根据权利要求3所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述基于所述先验潜在拥堵趋势特征与相应候选拥堵原因知识点的参考拥堵趋势特征之间的偏离度,优化调整所述本次循环过程对应的基础先验模式知识数据,生成优化调整后的先验模式知识数据,包括:

6.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述依据所述设定高速公路路况标签的先验模式知识数据,对所述目标路况状态矢量数据进行交融,生成目标潜在拥堵趋势特征,包括:

7.根据权利要求1-6中任意一项所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述对所述目标潜在拥堵趋势特征进行拥堵风险模式特征识别,生成目标拥堵风险模式特征,包括:

8.根据权利要求1-6中任意一项所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述方法还包括:

9.根据权利要求1-6中任意一项所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述依据所述设定高速公路路况标签的先验模式知识数据,对所述目标路况状态矢量数据进行交融,生成目标潜在拥堵趋势特征,通过预先训练的高速公路拥堵预测网络执行,其中,所述高速公路拥堵预测网络的训练步骤,包括:

10.一种交通监控系统,其特征在于,所述交通监控系统包括处理器和存储器,所述存储器和所述处理器连接,所述存储器用于存储程序、指令或代码,所述处理器用于运行所述存储器中的程序、指令或代码,以实现上述权利要求1-9任意一项所述的基于大数据的高速公路拥堵预测方法。

...

【技术特征摘要】

1.一种基于大数据的高速公路拥堵预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述从包含多个高速公路路况标签的目标交通监控大数据中,提取设定高速公路路况标签的目标路况状态矢量数据,包括:

3.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述先验模式知识数据的获取步骤,包括:

4.根据权利要求3所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述依据本次循环过程对应的基础先验模式知识数据,对一个先验路况状态矢量数据进行交融,生成先验潜在拥堵趋势特征,包括:

5.根据权利要求3所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述基于所述先验潜在拥堵趋势特征与相应候选拥堵原因知识点的参考拥堵趋势特征之间的偏离度,优化调整所述本次循环过程对应的基础先验模式知识数据,生成优化调整后的先验模式知识数据,包括:

6.根据权利要求1所述的基于大数据的高速公路拥堵预测方法,其特征在于,所述依据所述设定高速公路路况标签...

【专利技术属性】
技术研发人员:孙克强张旭波付毅恒罗睿曾文斌陈桂发洪少楷
申请(专利权)人:广东省路桥建设发展有限公司路达分公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1