[发明专利]一种基于两级谱聚类的交通拥堵状况预测方法及系统

说明书

本发明提供了一种基于两级谱聚类的交通拥堵状况预测方法及系统，首先，获取城市街道的时间信息、街道信息、气象信息；然后，基于两级谱聚类对街道进行聚类，得到各时段街道所属类簇；使用梯度增强回归树模型和多相似推理模型预测下一周期的街道车流量和下一周期内各时段的街道车流量以及街道车辆迁移矩阵；最后根据预测得到的下一周期的街道车流量、下一周期内各时段的街道车流量和街道车辆迁移矩阵综合分析街道拥堵状况，并疏通车辆。

技术领域

本发明属于交通拥堵状况预测领域，具体涉及一种基于两级谱聚类的交通拥堵状况预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着经济的发展，在出行方面，方式越来越多，私家车、火车、公共交通工具等可供人们选择的出行的机动车方式在慢慢地变多，一定程度上，机动车出行方式的出现方便了人们的生活，给人们的外出节省了时间，节约了成本。但是随着街道上车辆越来越多，随之而来出现的问题就是出现交通拥堵，拥堵时间久，疏通起来就慢。解决交通堵塞问题，可以减少二氧化碳排放，保护环境。

通过交通拥堵情况的预测可以提前调整不同街道车流量，解决不同街道车流量不均的问题，保证在任何时间任何地点交通保持通畅，以此来解决交通拥堵问题，因此，如何提前预测城市交通路口在一段时间之内车流量，预测各街道的交通拥堵情况是亟待解决的技术问题。

发明内容

本发明为了解决上述问题，提出了一种基于两级谱聚类的交通拥堵状况预测方法及系统，

根据一些实施例，本发明采用如下技术方案：

一种基于两级谱聚类的交通拥堵状况预测方法，包括以下步骤：

获取城市各时段街道信息和气象信息；

根据各时段街道信息进行聚类，得到各时段街道所属类簇；

根据各时段街道所属类簇和气象信息，使用梯度增强回归树模型预测下一周期的街道车流量；

根据各时段街道所属类簇和气象信息，使用多相似推理模型预测下一周期内各街道在不同时间段的车流量；

根据预测得到的下一周期的街道车流量、下一周期内各街道在不同时间段的车流量，确定街道拥堵状况。

进一步地，所述根据各时段街道信息进行聚类的具体步骤包括：

根据各时段的街道车流量和街道车流量阈值，将各时段的街道划分为多个级别；

对于每个级别的街道使用两级谱聚类算法进行聚类，得到各时段街道所属类簇。

进一步地，所述两级谱聚类算法的具体步骤为：

(1)根据各时段街道信息统计各时段街道车辆迁移矩阵；

(2)根据街道位置，使用谱聚类将各时段街道聚类成若干类簇；

(3)根据各时段街道车辆迁移矩阵，计算类簇间的车辆迁移矩阵；

(4)根据街道位置、各时段的街道车流量和类簇间的车辆迁移矩阵重新使用谱聚类算法进行聚类，获取最新的聚类结果；

(5)重复执行(3)-(4)，直到聚类结果不再发生变化为止。

进一步地，所述梯度增强回归树模型通过对每个连续树进行构造来进行预测先前树的残差。

进一步地，所述确定街道拥堵状况具体为：

判断街道在某时间段的车流量是否超过下一周期内该街道的车流量，若超过，则街道在该时间段为非常拥堵；若未超过，街道在该时间段为一般拥堵。