[发明专利]一种基于BP神经网络的可变车道车流量的预测方法

说明书

本发明提供一种基于BP神经网络的可变车道车流量的预测方法，包括：获取待测时段的日类型和时段类型，并获得所述待测时段内的环境影响因素；将所述日类型、所述时段类型及对应的所述环境影响因素整理为预测集合；将所述预测集合处理为预测向量集合；将预测向量集合输入预先训练好的BP神经网络模型，通过预先训练好的BP神经网络模型获取待测时段内的车流量。通过BP神经网络模型获取待测时段内的车流量，可实现输入天类型、时段类型及环境影响因素，即可预测左转、直行车流量；进一步通过左转、直行车流量数据提示将可变车道在此时段变为左转车道或直行车道，从而有效提高通行的效率。

技术领域

本发明涉及智能预测技术领域，尤其涉及一种基于BP神经网络的可变车 道车流量的预测方法。

背景技术

在全国范围内，各类车辆日益增多，无可避免为城市道路增添了很大的通 行压力，由于城市部分道路受限，无法拓宽，为提高通行效率，就提出了可变 车道的方案，即设置一条可变车道，城市道理管理部门根据实际情况调整道路 为左转或直行车道，但现下城市可变车道多为人工手动进行调整，不能充分体 现可变车道的功能，不能充分提高运行效率。

目前，交通需求的动态变化与静态的道路设施之间存在矛盾，静态的调控 方式不能预测不同方向车流量的变化，且可变车道多为人工手动进行调整，依 赖于人工的经验判断，多数情况下只能在拥堵或车流量变大之后才会为了改善 交通状况对可变车道进行相应的调整，不能解决道路的拥堵问题；而提前调整 会限制道路的最大通行率。

由此需要一种能够预测道路车流量的方法，及时对可变车道做出调控，以 缓解交通压力。

发明内容

为了解决上述现有技术的缺陷，本发明提供一种基于BP神经网络的可变 车道车流量的预测方法。

根据本发明的第一方面，提供一种基于BP神经网络的可变车道车流量的 预测方法，包括：

获取待测时段的日类型和时段类型，并获得所述待测时段内的环境影响因 素；

将所述日类型、所述时段类型及对应的所述环境影响因素整理为预测集合；

将所述预测集合处理为预测向量集合；

将所述预测向量集合输入预先训练好的BP神经网络模型，通过预先训练 好的BP神经网络模型获取所述待测时段内的车流量。

其中，所述预测集合包括所述日类型的数据序列、所述时段类型的数据序 列及对应的所述环境影响因素的数据序列；

其中，所述日类型包括工作日和非工作日；

所述时段类型包括高峰时段和平峰时段：

所述环境影响因素包括太阳辐照度、环境温度、环境湿度、瞬时风速；

根据本发明提供的一种基于BP神经网络的可变车道车流量的预测方法， 本发明采用最小最大法对所述预测集合进行归一化处理获得预测向量集合，将 所述预测集合中的所述数据序列分别作为输入向量，应用公式：

其中，为归一化处理后一个所述数据序列的第k个分量，x_k为归一化处 理前一个所述数据序列的第k个分量，为归一化处理前一个所述数据序列 中的最小数，为归一化处理前一个所述数据序列中的最大数。

根据本发明提供的一种基于BP神经网络的可变车道车流量的预测方法， 将所述向量集合输入BP神经网络模型中，通过BP神经网络模型获取所述待测 时段内的车流量，包括：

将所述预测向量集合输入预先训练好的BP神经网络模型，通过预先训练 好的BP神经网络模型获取输出向量，获取所述待测时段内的左转车流量和直 行车流量；其中，所述输出向量包括左转车流量的数据序列和直行车流量的数 据序列；