[发明专利]基于SVR-DEA模型的城市路段交通拥堵时空精准判别方法

说明书

本发明属于城市道路交通拥堵状态评价技术领域，特别是涉及一种基于SVR‑DEA模型的城市路段交通拥堵时空精准判别方法。所述方法包括：获取目标区域各路段的交通流历史数据，并进行预处理；构建非线性支持向量回归模型，采用预处理后的交通流动态数据对模型进行训练和测试，获得短时交通流时空预测模型；预测各路段在预测时段的交通状态，并采用粗糙式拥堵评价模型进行拥堵等级划分；构建数据包络分析模型，选取粗糙式划分等级作为输入并求解模型获得各拥堵路段的综合指数；根据各拥堵路段的综合指数与最畅通等级的综合指数，获得预测时间段内各路段拥堵水平的精确划分结果。该方法可以广泛应用于城市道路交通拥堵状态评价领域。

技术领域

本发明属于城市道路交通拥堵状态评价技术领域，特别是涉及一种基于SVR-DEA模型的城市路段交通拥堵时空精准判别方法。

背景技术

城市路段交通拥堵评价，是判断道路服务水平的重要指标，同时也是交通管理者采取交通治理措施的重要依据；交通拥堵的治理不仅需要明确每条路段的交通运行状态，还需要在此基础上了解交通状态的发展趋势。

城市路段交通运行状态的精准评价和趋势预测面临着诸多困难，主要表现为：第一、目前广泛使用的交通拥堵评价方法以多等级划分方式为主，评价等级往往跨度范围较大，无法明确同一等级下不同路段的相对拥堵水平，不利于精细化管理措施的制定；第二、交通拥堵的产生是多因素共同作用的结果，其中多种因素具有时变特征，且在空间层面表现出显著地关联特性，导致不同路段的交通拥堵状态具有不同的时空变化特征，要求预测方法能够考虑路段交通流的时空关联特征，获得更加准确的预测结果，为拥堵防控措施的制定提供准确的判断依据。

现有的城市路段交通拥堵评价方法主要分为两种。一种是采用单一交通参数直观反应交通运行状态的参数型评价方法，主要采用的交通参数包括交通流量、延误时间、通行速度等。此类方法结构简单、使用方便，但由于评价等级划分较为粗糙，无法判别同一拥堵等级下不同路段的拥堵状态，无法精准指导道路拥堵管理措施的制定。另一种是采用统计或数学模型，通过将多种交通参数结合，并考虑道路和环境特征，对交通运行状态进行评价的模型类评价法。此类方法主要针对当前的路段交通运行状态，无法对交通状态的发展趋势进行预测，且大多方法未考虑路段交通流状态之间的时空相关性。

因此，当前的主流评价方法无法在准确预测路段交通运行状态的基础上进行精准化评价。

发明内容

针对上述问题，本申请基于支持向量回归(Support Vector Regression)模型，构建考虑路段交通流时空关联特征的短时交通流预测模型，预测目标区域内各路段的短时交通运行状态，并与传统粗糙式交通拥堵评价方法对接，评价各路段的拥堵等级；在此基础上，基于数据包络分析(Data Envelopment Analysis,DEA)模型，进一步构建交通状态精准判别模型，基于传统评价方法中划分交通拥堵等级的参数中心值(或阈值)，对同一等级下不同道路的相对拥堵水平进行精细化评价，获得道路在预期时段内的交通运行状态相对水平，有助于明确严重拥堵路段，为交通拥堵管理措施的制定提供更加准确的判断依据。

本发明提供了一种基于SVR-DEA模型的城市路段交通拥堵时空精准判别方法，所述判别方法具体包括：

获取目标区域各路段的交通流历史数据并进行预处理，获得预处理后的交通流时空数据集；

构建非线性支持向量回归模型，以所述预处理后的交通流时空数据集对模型进行训练和测试，获得短时交通流时空预测模型；

根据所述短时交通流时空预测模型，预测各路段在预测时段的交通状态；并采用粗糙式拥堵评价方法进行拥堵等级划分，获取预测时段交通状态的粗糙评价等级；

构建数据包络分析模型，选取所述预测时段交通状态的粗糙评价等级作为模型输入参数，输入所述包络分析模型并求解模型，获得各拥堵路段的综合指数；