[发明专利]基于数据质量控制的道路网重型货车交通流量预测方法

说明书

本发明涉及一种基于数据质量控制的道路网重型货车交通流量预测方法，针对GPS流量数据及收费站监测数据两种数据源划分三类数据路段，分别采取不同的预测方法。针对有GPS流量数据的路段，由于GPS数据存在获取不够全样问题，采用先分段常系数法扩样再长短时循环神经网络预测的方法。针对无GPS数据的无数据路段，采用K最近邻算法预测流量。针对收费站监测数据路段，由于数据样本全面，直接采取长短时循环神经网络算法进行预测。本发明从流量预测面对的实际工程问题出发，分析多种数据来源特征来提高数据质量，进而建立路网重型货车流量测算方法，最终形成基于数据质量控制的道路网重型货车流量。

技术领域

本发明涉及智能交通领域，具体涉及一种基于数据质量控制的道路网重型货车交通流量预测方法。

背景技术

近年来，重型货车增比逐年上升。基于现有的道路资源，重型货车的增加会导致车辆拥堵现象并影响居民的日常出行，货车与客车的交通矛盾十分突出。管理部门常常采取特殊时段限行等政策来进行调控，但往往由于数据缺失和理论支撑不足等问题导致政策效果不佳。充分利用多种数据，采取科学的理论方法，对重型货车交通流进行准确的预测，可以为解决全路网重型货车拥堵等问题提供理论支持。

目前，多源化的数据给精准的交通流量预测带来可能的同时也对交通流量预测方法提出了更高要求。重型货车由于政策要求必须安装GPS定位仪，因此可以实时监测车辆的运动轨迹，实现对有GPS数据路段的预测。但是现实中常常存在定位仪安装覆盖面不全、仪器损坏、通讯干扰、线路故障、采集频率混乱、环境影响等原因导致原始数据缺失，需要对无数据路段和有GPS交通流量数据路段进行交通流量预测。此外，收费站数据收集的便利性，可以对监测数据路段的重型货车交通流量进行预测，进而获得全路网货车交通流量。

上述三类路段数据具有质量不同和类型不同的特点，为了提高预测效果，需要分别挖掘数据特征，采用不同的方法进行针对性的预测。已有研究往往仅针对某一种路段进行分析和预测，研究不够全面，普适性不强。本方法更加全面的考虑实际工程问题，更具有实际应用价值，在整体路网的交通流预测中，重型货车的交通流量与实际流量更为接近，便于重型货车管控策略为规划人员和管理人员及时制定可靠的措施提供了理论参考依据，进而更有效的减少车祸和交通拥堵。

发明内容

为克服上述的问题，本发明目的在于提供一种基于数据质量控制的道路网重型货车交通流量预测方法。

本发明通过以下方法达到目的：

一种基于数据质量控制的道路网重型货车交通流量预测方法，包括如下步骤：

步骤1：通过重型货车的车载卫星定位装置，获得重型货车的GPS轨迹数据；

步骤2：将GPS轨迹数据根据经纬度定位到所属的路网路段上，按照指定时间间隔进行合并，得到城市路网上每个路段的小时重型货车交通流量，筛选出有GPS交通流量数据路段和无数据路段；

步骤3：收集收费站每小时所监测的重型货车出、入口流量及断面流量，形成监测数据路段；

步骤4：对步骤2筛选出的有GPS交通流量数据路段采用分段常系数法扩样及长短时循环神经网络方法进行流量预测；

步骤5：对步骤2筛选出的无数据路段采用构建K最近邻方法进行流量预测；

步骤6：对步骤3形成的监测数据路段采用长短时循环神经网络方法进行流量预测。

步骤7：汇总步骤4、步骤5、步骤6的流量预测结果，得到全路网预测流量。

在上述方案的基础上，步骤1所述GPS轨迹数据包括：记录时间、经度、纬度以及车牌号；