[发明专利]一种基于大数据的拥堵预警方法、装置、介质及设备

说明书

本发明公开了一种基于大数据的拥堵预警方法、装置、介质及设备，拥堵预警方法包括步骤：S1、根据历史数据，构建数据集；S2、用所述数据集构建拥堵预警模型；S3、输入新样本数据至所述拥堵预警模型，获取拥堵预警结果。本发明利用历史数据构建拥堵预警模型，其中历史数据包括：交通历史数据和天气历史数据，充分考虑了天气情况、时点、节假日等因素对车辆拥堵的影响，能大大提高预测的准确率。

技术领域

本发明属于交通预测技术领域，具体涉及一种基于大数据的拥堵预警方法、装置、介质及设备。

背景技术

随着经济的发展和生活水平的快速提高，机动车保有量快速增加，车辆的增速大大超出了高速公路的供给速度，再加道路施工/维修/保养、交通事故、天气情况、重大节假日等因素的影响，高速公路拥堵日益严重。交通拥堵会导致车辆行驶速度降低，增加交通延误及事故发生率，同时也会增加尾气和噪声的排放，严重影响居民生活和城市发展。

现有技术中的拥堵预警软件，通常只能显示很近的未来将发生的路面状况，具有较强的实时性，但不能对较远时间的路况进行预测，不能在出现拥堵前采取有效的措施。

发明内容

为了克服上述技术缺陷，本发明第一个方面提供了一种基于大数据的拥堵预警方法，包括步骤：

S1、根据历史数据，构建数据集，所述历史数据包括：交通历史数据和天气历史数据；

S2、用所述数据集构建拥堵预警模型；

S3、输入新样本数据至所述拥堵预警模型，获取拥堵预警结果。

作为本发明的进一步改进，所述步骤S1包括如下步骤：

S11、构建参数表；

S12、对所述交通历史数据进行预处理；

S13、对所述天气历史数据进行预处理；

S14、整合所述参数表、经过预处理后的交通历史数据、经过预处理后的天气历史数据得到宽表，形成所述数据集。

作为本发明的进一步改进，所述交通历史数据包括：历史时间、历史车辆车速，所述步骤S12，包括如下步骤：

S121、删除无法通过处理而达到数据质量要求的交通历史数据；

S122、对所述历史时间进行整点处理；

S123、对所述历史车辆车速进行拥堵编号赋值。

作为本发明的进一步改进，所述步骤S13包括如下步骤：

S131、对缺失的天气历史数据进行填补处理；

S132、对重复的天气历史数据进行剔除处理；

S133、转换所述天气历史数据的数据类型；

S134、对所述天气历史数据进行特征处理。

作为本发明的进一步改进，所述步骤S2，包括如下步骤：

S21、建立拥堵预警模型；

S22、采用所述数据集对所述拥堵预警模型进行训练；

S23、获取所述拥堵预警模型各个特征属性的评价指标；

S24、采用优化提升方法，重复所述步骤S22和所述步骤S23，对所述拥堵预警模型进行优化。

作为本发明的进一步改进，在所述步骤S21中，调用随机森林类库中的RandomForestClassifer类构建所述拥堵预警模型，建立所述拥堵预警模型时使用缺省的随机森林算法参数。