【技术实现步骤摘要】
本专利技术涉及城市交通管理，更具体地说，它涉及基于大数据的智慧城市交通拥堵识别与疏导系统。
技术介绍
1、随着城市化进程的加速，城市交通问题日益凸显，尤其是交通拥堵现象已成为制约城市发展的重要因素。当前，大数据技术的飞速发展为解决城市交通拥堵问题提供了新的契机。通过收集和分析城市交通数据，可以实现对交通状况的实时监测，为交通管理提供科学依据。然而，现有的基于大数据的城市交通管理系统大多停留在数据收集和展示层面，缺乏针对交通拥堵的精准识别和有效疏导手段。
2、在交通疏导方面，现有的疏导方案往往缺乏针对性和灵活性。传统的疏导方法通常依赖于交通警察的现场指挥或固定的信号灯配时方案，这些方法在面对突发拥堵或复杂交通状况时往往效果不佳。因此，需要一种能够根据交通拥堵情况动态调整信号灯配时方案的智能疏导系统。
3、针对上述问题，本专利技术提出了一种基于大数据的智慧城市交通拥堵识别与疏导系统。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供基于大数据的智慧城市交通拥堵识别与疏导系统。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、基于大数据的智慧城市交通拥堵识别与疏导系统，包括城市交通拥堵识别模块、交通疏导路段划分模块、拥堵疏导路段模拟模块、信号灯配时疏导方案生成模块、信号灯配时疏导方案调控模块；
4、所述城市交通拥堵识别模块：确定城市交通的所有交通路段，实时确定每个交通路段的交通拥堵识别指数，基于交通拥堵
5、所述交通疏导路段划分模块：当出现拥堵路段时，将当前时刻标记为拥堵时刻，并确定目标疏导路段；
6、所述拥堵疏导路段模拟模块：构建拥堵疏导路段模拟模型；
7、所述信号灯配时疏导方案生成模块：拥堵疏导路段模拟模型生成g个信号灯配时方案，确定每个信号灯配时方案的方案疏导指数；
8、所述信号灯配时疏导方案调控模块：从信号灯配时方案中选择疏导信号灯配时实行方案，使用疏导信号灯配时实行方案进行信号灯配时的调控。
9、进一步的，交通路段的交通拥堵识别指数，基于如下方式确定：确定一个交通路段，实时采集该交通路段的实际多维度交通数据，获取交通拥堵识别模型，将实际多维度交通数据输入交通拥堵识别模型，交通拥堵识别模型输出该交通路段的交通拥堵识别指数。
10、进一步的，基于拥堵路段的交通拥堵识别指数确定交通疏导半径，并确定拥堵路段的中点，以拥堵路段的中点为圆心，以交通疏导半径为半径画圆得到交通疏导范围，将位置在交通疏导范围内的其余交通路段均标记为目标疏导路段。
11、进一步的，基于拥堵路段的交通拥堵识别指数确定交通疏导半径：获取拥堵路段的交通拥堵识别指数，设定交通拥堵识别系数为vm，通过确定交通疏导半径。
12、进一步的，信号灯配时方案的方案疏导指数，基于如下方式确定：信号灯配时方案在拥堵疏导路段模拟模型实施开始后，每时长确定拥堵疏导路段模拟模型的路段综合均衡指数，信号灯配时方案在拥堵疏导路段模拟模型实施完成后，确定拥堵疏导路段模拟模型中各交通路段的实际模拟差异指数，将信号灯配时方案的总实施时长标记为，同步确定拥堵疏导路段模拟模型的路段均衡优化指数，通过计算该信号灯配时方案的方案疏导指数。
13、进一步的，交通路段的实际模拟差异指数，基于如下方式确定：将拥堵时刻与信号灯配时方案的总实施时长进行时间和值计算，得到拥堵结束时刻，确定一个交通路段，确定拥堵疏导路段模拟模型实施完成后该交通路段的交通拥堵识别指数，并将该交通拥堵识别指数标记为模拟交通拥堵指数，获取该交通路段在之前n天拥堵结束时刻时的交通拥堵识别指数，将n天拥堵结束时刻时的交通拥堵识别指数进行求和均值计算，计算得到实际交通拥堵指数，将模拟交通拥堵指数与实际交通拥堵指数进行绝对差值计算，计算得到该交通路段的实际模拟差异指数。
14、进一步的，拥堵疏导路段模拟模型的路段均衡优化指数，基于如下方式确定：收集拥堵疏导路段模拟模型的所有路段综合均衡指数，将所有路段综合均衡指数进行求和均值计算，计算得到平均路段综合均衡指数，将所有路段综合均衡指数按照确定时间的先后顺序排序，将排序后相邻的后一个路段综合均衡指数与前一个路段综合均衡指数进行比较，当后一个路段综合均衡指数大于前一个路段综合均衡指数，将疏导进步次数增加一次，将疏导进步次数标记为，通过确定该拥堵疏导路段模拟模型的路段均衡优化指数。
15、进一步的，拥堵疏导路段模拟模型的路段综合均衡指数，基于如下方式确定：每时长确定拥堵疏导路段模拟模型中各交通路段的交通拥堵识别指数，将拥堵疏导路段模拟模型中存在连接关系的每两个交通路段统计为一个连接路段组，获取每个连接路段组的连接均衡指数，将所有连接路段组的连接均衡指数进行求和均值计算，计算得到拥堵疏导路段模拟模型的路段综合均衡指数。
16、进一步的，连接路段组的连接均衡指数，基于如下方式确定：将连接路段组中两个交通路段的交通拥堵识别指数进行绝对差值计算，计算得到交通拥堵差距指数，将连接路段组中两个交通路段的交通拥堵识别指数进行和值计算，计算得到，通过确定该连接路段组的连接均衡指数，其中，c1为第一系数，c2为第二系数。
17、进一步的，采集拥堵路段的实际多维度交通数据与期望多维度交通数据，同步采集所有目标疏导路段的实际多维度交通数据，将拥堵路段的实际多维度交通数据与期望多维度交通数据以及目标疏导路段的实际多维度交通数据输入拥堵疏导路段模拟模型，拥堵疏导路段模拟模型生成g个信号灯配时方案。
18、与现有技术相比，本专利技术具备以下有益效果：
19、通过城市交通拥堵识别模块、交通疏导路段划分模块、拥堵疏导路段模拟模块，结合神经网络技术对城市交通中各交通路段的交通拥堵进行识别，保证高效、精准识别出交通路段的拥堵，在发现拥堵路段后，根据拥堵路段的实际情况快速锁定交通疏导范围，并确定相应的目标疏导路段，方便后续疏导方案的确定与实施，通过信号灯配时疏导方案生成模块与信号灯配时疏导方案调控模块，结合仿真技术模拟不同信号灯配时方案下各交通路段的交通疏导情况，分析疏导方案下的各连接路段的均衡性、各交通路段的疏导效果等数据，并结合交通路段的实际可预测性，选择疏导综合效果最佳的信号灯配时方案进行交通拥堵的疏导，有效确保保障城市交通的正常运行，提高了城市交通的智能化管理水平。
本文档来自技高网...【技术保护点】
1.基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，包括城市交通拥堵识别模块、交通疏导路段划分模块、拥堵疏导路段模拟模块、信号灯配时疏导方案生成模块、信号灯配时疏导方案调控模块；
2.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，交通路段的交通拥堵识别指数，基于如下方式确定：确定一个交通路段，实时采集该交通路段的实际多维度交通数据，获取交通拥堵识别模型，将实际多维度交通数据输入交通拥堵识别模型，交通拥堵识别模型输出该交通路段的交通拥堵识别指数。
3.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，基于拥堵路段的交通拥堵识别指数确定交通疏导半径，并确定拥堵路段的中点，以拥堵路段的中点为圆心，以交通疏导半径为半径画圆得到交通疏导范围，将位置在交通疏导范围内的其余交通路段均标记为目标疏导路段。
4.根据权利要求3所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，基于拥堵路段的交通拥堵识别指数确定交通疏导半径：获取拥堵路段的交通拥堵识别指数，设定交通拥堵识别系数为Vm，通过确
5.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，信号灯配时方案的方案疏导指数，基于如下方式确定：信号灯配时方案在拥堵疏导路段模拟模型实施开始后，每时长确定拥堵疏导路段模拟模型的路段综合均衡指数，信号灯配时方案在拥堵疏导路段模拟模型实施完成后，确定拥堵疏导路段模拟模型中各交通路段的实际模拟差异指数，将信号灯配时方案的总实施时长标记为，同步确定拥堵疏导路段模拟模型的路段均衡优化指数，通过计算该信号灯配时方案的方案疏导指数。
6.根据权利要求5所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，交通路段的实际模拟差异指数，基于如下方式确定：将拥堵时刻与信号灯配时方案的总实施时长进行时间和值计算，得到拥堵结束时刻，确定一个交通路段，确定拥堵疏导路段模拟模型实施完成后该交通路段的交通拥堵识别指数，并将该交通拥堵识别指数标记为模拟交通拥堵指数，获取该交通路段在之前n天拥堵结束时刻时的交通拥堵识别指数，将n天拥堵结束时刻时的交通拥堵识别指数进行求和均值计算，计算得到实际交通拥堵指数，将模拟交通拥堵指数与实际交通拥堵指数进行绝对差值计算，计算得到该交通路段的实际模拟差异指数。
7.根据权利要求5所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，拥堵疏导路段模拟模型的路段均衡优化指数，基于如下方式确定：收集拥堵疏导路段模拟模型的所有路段综合均衡指数，将所有路段综合均衡指数进行求和均值计算，计算得到平均路段综合均衡指数，将所有路段综合均衡指数按照确定时间的先后顺序排序，将排序后相邻的后一个路段综合均衡指数与前一个路段综合均衡指数进行比较，当后一个路段综合均衡指数大于前一个路段综合均衡指数，将疏导进步次数增加一次，将疏导进步次数标记为，通过确定该拥堵疏导路段模拟模型的路段均衡优化指数。
8.根据权利要求5所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，拥堵疏导路段模拟模型的路段综合均衡指数，基于如下方式确定：每时长确定拥堵疏导路段模拟模型中各交通路段的交通拥堵识别指数，将拥堵疏导路段模拟模型中存在连接关系的每两个交通路段统计为一个连接路段组，获取每个连接路段组的连接均衡指数，将所有连接路段组的连接均衡指数进行求和均值计算，计算得到拥堵疏导路段模拟模型的路段综合均衡指数。
9.根据权利要求8所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，连接路段组的连接均衡指数，基于如下方式确定：将连接路段组中两个交通路段的交通拥堵识别指数进行绝对差值计算，计算得到交通拥堵差距指数，将连接路段组中两个交通路段的交通拥堵识别指数进行和值计算，计算得到，通过确定该连接路段组的连接均衡指数，其中，c1为第一系数，c2为第二系数。
10.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，采集拥堵路段的实际多维度交通数据与期望多维度交通数据，同步采集所有目标疏导路段的实际多维度交通数据，将拥堵路段的实际多维度交通数据与期望多维度交通数据以及目标疏导路段的实际多维度交通数据输入拥堵疏导路段模拟模型，拥堵疏导路段模拟模型生成g个信号灯配时方案。
...【技术特征摘要】
1.基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，包括城市交通拥堵识别模块、交通疏导路段划分模块、拥堵疏导路段模拟模块、信号灯配时疏导方案生成模块、信号灯配时疏导方案调控模块；
2.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，交通路段的交通拥堵识别指数，基于如下方式确定：确定一个交通路段，实时采集该交通路段的实际多维度交通数据，获取交通拥堵识别模型，将实际多维度交通数据输入交通拥堵识别模型，交通拥堵识别模型输出该交通路段的交通拥堵识别指数。
3.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，基于拥堵路段的交通拥堵识别指数确定交通疏导半径，并确定拥堵路段的中点，以拥堵路段的中点为圆心，以交通疏导半径为半径画圆得到交通疏导范围，将位置在交通疏导范围内的其余交通路段均标记为目标疏导路段。
4.根据权利要求3所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，基于拥堵路段的交通拥堵识别指数确定交通疏导半径：获取拥堵路段的交通拥堵识别指数，设定交通拥堵识别系数为vm，通过确定交通疏导半径。
5.根据权利要求1所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，信号灯配时方案的方案疏导指数，基于如下方式确定：信号灯配时方案在拥堵疏导路段模拟模型实施开始后，每时长确定拥堵疏导路段模拟模型的路段综合均衡指数，信号灯配时方案在拥堵疏导路段模拟模型实施完成后，确定拥堵疏导路段模拟模型中各交通路段的实际模拟差异指数，将信号灯配时方案的总实施时长标记为，同步确定拥堵疏导路段模拟模型的路段均衡优化指数，通过计算该信号灯配时方案的方案疏导指数。
6.根据权利要求5所述的基于大数据的智慧城市交通拥堵识别与疏导系统，其特征在于，交通路段的实际模拟差异指数，基于如下方式确定：将拥堵时刻与信号灯配时方案的总实施时长进行时间和值计算，得到拥堵结束时刻，确定一个交通路段，确定拥堵疏导路段模拟模型实施完成后该交通路段的交通拥堵识别指数，并将该交通拥堵识别指数标记为模拟交通拥堵指数，获取该交通路段在之前n天拥堵结束时刻时的交通...
【专利技术属性】
技术研发人员：王德霞，宫滨，王春兰，
申请(专利权)人：山东煜德电子技术有限公司，
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。