[发明专利]一种基于滚动时间窗口的路段停车次数动态估计方法有效
申请号: | 202111674823.9 | 申请日: | 2021-12-31 |
公开(公告)号: | CN114241776B | 公开(公告)日: | 2023-01-31 |
发明(设计)人: | 刘建华;钟欣;王东乐;许必承;黄瑞;刘博;王牣;郑坤 | 申请(专利权)人: | 连云港杰瑞电子有限公司 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G08G1/017;G08G1/052;G08G1/065 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 朱炳斐 |
地址: | 222061 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 滚动 时间 窗口 路段 停车 次数 动态 估计 方法 | ||
1.一种基于滚动时间窗口的路段停车次数动态估计方法,其特征在于,所述方法包括以下步骤:
步骤1,定义道路上相邻车辆号牌检测点之间的路段为检测路段,通过检测路段在一个检测周期内所有到达车辆,获取检测周期内进入检测路段的每辆车的车牌及对应的进入时间数据,获取检测周期内离开检测路段的每辆车的车牌及对应的离开时间数据;
步骤2,计算交通参数和交通参数统计量;其中,交通参数为单车速度、单车行程时间、检测周期内车流量,交通参数统计量包括第i个检测周期的路段平均行程时间车辆行程时间离散度TTVari、车流量波动性VVari;
步骤3,构建时间长度为m的初始停车次数与交通参数数据矩阵;以已采集的停车次数和交通参数作为最初原始数据,构建停车次数与四个交通参数之间的线性模型,求解得初始平均行程时间、车流量、行程时间离散度、车流量波动性的系数为ω1,ω2,ω3,ω4;
步骤4,停车次数动态估计;滚动时间窗口,以最新的时间片段j为开始形成新的长度为m的时间窗口,采集最新时间段各项交通流数据,并计算各项交通参数;设当前时段停车次数与前k个时段的停车次数存在相关性,根据各项交通参数变化,计算最新时段停车次数;对新的时间窗口内的停车次数与交通参数数据,进行线性建模,计算的系数结果作为最新时间片段内各项交通参数系数。
2.根据权利要求1所述的基于滚动时间窗口的路段停车次数动态估计方法,其特征在于,步骤2中计算交通参数统计量的具体步骤包括:
步骤21,初始化参数:N=0,i=1;N为通过检测路段的车辆数,i为检测周期;
步骤22,判断是否有车辆通过检测路段;若是,则N=N+1,否则N=N;
步骤23,计算路段上经过车辆行程时间tn;
步骤24,计算路段行程时间离散度TTVari和车流量波动性VVari;
步骤25,令N=0,i=i+1,返回步骤21,进入下一检测周期。
3.根据权利要求1或2所述的基于滚动时间窗口的路段停车次数动态估计方法,其特征在于,步骤2中单车行程时间计算公式如下:
tn=tout-tin
式中,tin表示车辆n被路段开始检测点检测到的时间,tout表示车辆n被路段结束检测点检测到的时间,tn表示车辆n完成路段行程的时间;
第i个检测周期的路段平均行程时间计算公式为:
第i个检测周期的行程时间离散度TTVari:
4.根据权利要求1所述的基于滚动时间窗口的路段停车次数动态估计方法,其特征在于,步骤2中车流量波动性的计算方式如下:
车流量波动性是指不同检测时间段的车流量波动性,车流量在每一个时间段都存在一定的随机性;车流量区间估计包括两个部分,分别是车流量时间序列差分和GARCH模型估计两个部分;差分过程是将路段车流量时间序列进行前后求差值处理,通过将后一个时间点的车流量值减去前一个时间点的车流量并形成新的时间序列,各时间点一阶差分后车流量如下式:
式中,表示路段检测i时段车流量残差值,xi+1表示检测i+1时段的路程车流量,xi表示路段在检测i时段的车流量;
在差分基础上,获得差分后的车流量序列:
利用GARCH模型拟合与预测路段各时段车流量,i时段路段上95%置信水平下的车流量区间I如下:
式中,为xi的估计值;
以车流量区间宽度占车流量平均水准的比例作为车流量波动性指标值,则路段i时刻车流量波动性为:
式中,表示路段在i时刻车流量的方差。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于连云港杰瑞电子有限公司,未经连云港杰瑞电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111674823.9/1.html,转载请声明来源钻瓜专利网。