[发明专利]一种基于特征重要性的判断交通拥堵成因的方法

说明书

本发明涉及交通拥堵成因分析方法，特别涉及一种基于特征重要性的判断交通拥堵成因的方法；其包括提取拥堵点段的交通拥堵等级及相关特征、基于预测残差集成特征重要性评估方法获得拥堵点段的成因库和基于关联规则挖掘方法分析某次拥堵的具体原因；其采用多种有监督学习方法，包括Lasso模型、随机森林模型和线性模型三种方法评估特征重要性，并依据预测误差对三种方法评估的特征重要性进行加权，所以特征重要性分析可获得更准确、更稳健的结果，从而保证了交通拥堵成因分析的正确性。

技术领域：

本发明涉及交通拥堵成因分析方法，特别涉及一种基于特征重要性的判断交通拥堵成因的方法。

背景技术：

我国经济社会的快速发展，加快了城市化和机动化进程，从而使得道路交通量水平急剧攀升，截至2012年末，我国已成为世界第二大汽车保有量国家；然而，与迅速增长的交通需求相比，我国城市的交通供给能力增长较缓。交通拥堵已成为一个普遍问题，严重影响了城市经济的发展，导致了能源消耗、环境污染，还给人民的生活、工作带来诸多不便，增加了巨大的社会成本，这对社会的长远发展是非常不利的。近年来，物联网、云计算等技术的快速发展催生了智能交通系统，为高效管理城市交通提供了可能。针对智能交通系统采集的交通流量、卡口过车等数据，大量工作开展了道路旅行时间预测、交通流量预测、交通拥堵评价等方面的研发，方便了对城市交通的管理，但对于缓解甚至根治交通拥堵仍有较大欠缺，明确拥堵成因是规划城市交通、缓解交通拥堵的前提；现有工作大都从宏观角度剖析，或基于仿真模型探讨交通拥堵机理及优化策略，欠缺利用大规模历史数据分析拥堵点段成因或某次拥堵原因的自动化方法。为此，寻求设计一种将利用智能交通系统采集的数据抽取周期型特征(可反映上下班时段等因素对交通拥堵的影响)、临时型特征(可反映交通事故等临时型因素对交通拥堵的影响)、拓扑型特征(可反映临近点段对关注点段交通拥堵的影响)与功能型特征(可反映天气、关注点段附近大型设施等对交通拥堵的影响)，选择交通拥堵等级作为标签，采用有监督学习方法评估各特征对交通拥堵等级的重要性，并对多种特征重要性评估方法进行集成来判断交通拥堵成因的方法，具有良好的社会效益和经济效益。

发明内容：

为了克服现有技术存在的缺陷，本发明提供一种基于特征重要性的判断交通拥堵成因的方法，集成Lasso模型、随机森林模型与线性模型评估特征重要性，有效提高交通拥堵成因分析的准确性与稳健性。

为了实现上述目的涉及的基于特征重要性的判断交通拥堵成因的方法包括以下步骤：。。。

本发明与现有技术相比，采用多种有监督学习方法，包括Lasso模型、随机森林模型和线性模型三种方法评估特征重要性，并依据预测误差对三种方法评估的特征重要性进行加权，所以特征重要性分析可获得更准确、更稳健的结果，从而保证了交通拥堵成因分析的正确性。

附图说明：

图1为本发明涉及的基于特征重要性的判断交通拥堵成因的方法的判断流程框图。

图2为步骤102涉及的获得拥堵路段成因库的流程框图。

具体实施方式：

下面通过实施例并结合附图对本发明作进一步说明。

实施例1：

本实施例涉及的基于特征重要性的判断交通拥堵成因的方法包括如下所述的步骤：

A、提取拥堵点段的交通拥堵等级及相关特征：

在该步骤中，将智能交通系统采集的日志数据数据输入到计算机中进行分析、提取，以得到交通拥堵等级、周期型特征、临时型特征、拓扑型特征与功能型特征；

提取交通拥堵等级，通过传入的智能交通系统的数据可知，拥堵等级分为十级，一级为不拥堵，十级为最拥堵；