[发明专利]一种大型活动交叉路口拥堵风险预测方法

说明书

本发明公开了一种大型活动交叉路口拥堵风险预测方法，包括如下步骤：(1)获取交叉路口的交通信息，根据交通信息计算交叉路口的拥堵风险，确定造成拥堵风险的相关变量；(2)计算交叉路口拥堵风险与每个相关变量之间的相关程度，选取相关程度高的变量作为预测因素；(3)将历史交叉路口拥堵风险和步骤(2)获取的预测因素作为输入变量，利用时空深度学习算法对交叉路口拥堵风险进行多特征预测。本发明采用时空深度学习方法实时预测交叉路口拥堵风险，为大型活动场景下交叉口拥堵风险预测提供了一种可靠的方法，可应用于大型活动交通管理与决策，对于保障大型活动交通守时具有重要意义。

技术领域

本发明涉及交通拥堵预测领域，特别涉及大型活动交叉路口拥堵风险预测方法。

背景技术

大型活动期间，相关区域在短时间内增加大量的突发交通量，这些交通量具有一定的集中性和方向性，并与社会交通量叠加，增加了大型活动道路交通运行拥堵风险，对大型活动交通运行守时产生影响，尤其对大型活动车队运行守时影响较大。在大型活动期间，道路交通系统运行敏感，一旦相关交叉路口拥堵风险过高，很容易引起交叉路口阻塞，出现大面积拥堵，使相关车队不能按照既定时间到达活动现场。

大型活动交叉路口拥堵风险预测，是预防大型活动交叉路口出现拥堵的有效方法，对大型活动交叉路口存在的拥堵风险进行实时预测，可降低交叉路口车队延误，保障大型活动道路交通运行守时。传统交通拥堵预测方法多以单特征预测为主，在处理数据时空复杂特征方面存在不足，导致预测结果与现实情况偏差较大。

发明内容

发明目的：针对以上问题，本发明目的是提供一种大型活动交叉路口拥堵风险预测方法，利用多特征预测方式对大型活动道路交叉路口进行实时预测，提高拥堵风险预测的准确性。

技术方案：本发明提出的一种大型活动交叉路口拥堵风险预测方法，包括如下步骤：

(1)获取交叉路口的交通信息，根据交通信息计算交叉路口的拥堵风险，确定造成拥堵风险的相关变量；

(2)计算交叉路口拥堵风险与每个相关变量之间的相关程度，选取相关程度高的变量作为预测因素；

(3)将历史交叉路口拥堵风险和步骤(2)获取的预测因素作为输入变量，利用时空深度学习算法对交叉路口拥堵风险进行多特征预测。

进一步，所述步骤(1)交通信息包括进口车道的车流量和通行能力，采用交叉路口饱和度量化表征交叉路口的拥堵风险，表达式为：

其中，Z_i为交叉路口i的进口车道饱和度，q_it为交叉路口i在时刻t的流量，R为交叉路口i的通行能力；交叉路口的饱和度越大，表明交叉路口交通运行越趋于拥堵状态，拥堵风险越高。

进一步，所述交叉路口的通行能力与高峰时刻饱和流率相关，高峰时刻饱和流率与信号配时参数及流量相关，经过等效转换，得到交叉路口拥堵风险量化表征方式为：

其中，S_i为交叉路口i高峰时刻的饱和流率，n_it为交叉路口i在时刻t的信号周期，g_it为交叉路口i在时刻t的绿灯时长；

步骤(1)中交叉路口拥堵风险的所述相关变量包括交叉路口流量、饱和流率、信号周期、绿灯时长；

所述配时参数包括信号周期和绿灯时长。

进一步，步骤(2)利用相关性分析方法计算相关程度，当相关系数绝对值大于0.8时认定该变量与拥堵风险的相关程度高。