[发明专利]一种自学习的路网交通状态分析及预测方法

说明书

本发明公开了一种自学习的路网交通状态分析及预测方法，包括以下步骤：(1)构建城市路网模型，配置基础数据，建立城市路网拓扑结构；(2)获取实时车辆经过信息，计算车辆通行数据；(3)重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态；(4)分析当前城市路网交通状态，计算路网交通各项指标；(5)预测未来城市路网交通状态，基于历史交通数据统计学习，自动优化预测模型。本发明实现了路网层面的整体交通运行状态分析与评价，能够预测未来路网运行状态，为交通优先控制与优化提供了有效数据，同时，基于城市交通状态不断演化的特点，本发明通过统计方法不断修正预测模型中的参数指标，提高了预测结果的准确度。

技术领域

本发明涉及智能交通技术领域，特别是一种自学习的路网交通状态分析及预测方法。

背景技术

伴随着社会经济高速发展，全国机动车保有量快速增长，城市交通压力越来越大，由此带来日益严重的交通拥堵及交通安全问题。与此同时，大数据、人工智能、5G通信等技术逐渐成熟并开始大范围推广，为交通行业提供了新的解决思路，运用信息化手段来解决交通问题已经成为主要发展趋势。

城市路网交通状态是交通管理工作的重要基础数据，根据准确的交通状态分析结果，可以实现道路交通科学、合理的组织控制，充分利用有限的道路资源，提高道路通行效率。常用的交通检测手段主要包括线圈、地磁、微波、视频等，随着数字视频传感技术在交通领域的大范围普及应用，从视频图像中提取的车辆通行信息成为交通状态分析及预测过程中最有价值的数据。

目前，基于车辆通行信息的交通状态分析方法主要是对原始数据按照道路断面进行聚类统计，未充分考虑上下游路口交通影响，不能从路网层面对城市交通进行准确评价。同时，现有技术是对已经发生的交通状态的总结分析，具有一定滞后性，不能满足交通控制对于未来预测数据的需求。城市交通是也一个不断变化的过程，在分析和预测模型中一些交通参量需要不断修正以适应城市交通的变化趋势，而现有技术只能是通过人工观测的方式进行调整，无法通过交通状态数据自动分析演进。

发明内容

发明目的：本发明的目的是提供一种能够实现全路网交通运行态势监测、分析和预测的自学习的路网交通状态分析及预测方法。

技术方案：本发明所述的自学习的路网交通状态分析及预测方法，包括以下步骤：

(1)构建城市道路网络模型，配置路段、交叉口、车道基础数据，并建立城市路网拓扑结构；

(2)获取实时的车辆经过信息，根据路口上下游关系计算车辆通行数据；

(3)重新分组管理车辆通行数据，分析上下游路口之间的路段交通运行状态；

(4)分析当前城市路网整体交通状态，计算路网承载车流量、交通运行指数等指标；

(5)预测未来城市路网整体交通状态，基于历史交通数据进行统计学习，自动优化预测模型。

优选地，所述步骤(1)中构建城市道路网络模型，配置路段、交叉口、车道基础数据，并建立城市路网拓扑结构，具体步骤为：

(11)配置城市路网范围内所有路口，路口对象的属性包含但不限于编码、名称、类型、地理坐标；

(12)配置城市路网范围内所有道路路段，路段对象的属性包含但不限于编码、名称、类型、前方路口编码、所在路口方向、限速、车道数量、长度、地理坐标；

(13)配置城市路网范围内所有交叉口进口方向车道，车道对象的属性包含但不限于路口编码、路口方向、车道编号、车道宽度、车道类型、检测器类型、检测器编号；

(14)建立城市路网拓扑结构，配置路口上下游关系。拓扑结构包括路口编码、路口方向、上游路口编码、上游路口距离、掉头方向、左转方向、直行方向、右转方向、自由流速；