[发明专利]基于人工智能的道路拥堵预测系统及方法

摘要

本发明涉及一种基于人工智能的道路拥堵预测系统，其特征在于，包括以下模块：数据采集模块；拥堵模糊评级模块；样本生成模块；样本清洗模块；经过训练的BP网络。本发明的另一个技术方案是提供了一种基于人工智能的道路拥堵预测方法。本发明提供的一种基于人工智能的道路拥堵预测方法能够预测感兴趣道路将要发生拥堵的时间，预测的时间一方面可以在路况指示牌上显示出来，给司机预警，让司机能够在相应的时间绕开该路段，从而避免拥堵，另一方面也可以推送给相应的管理部门，让管理部门做出正确的规划，从而避免拥堵。

主权项

一种基于人工智能的道路拥堵预测系统，其特征在于，包括以下模块：数据采集模块，通过采集感兴趣道路入口处及出口处的视频数据来获得当前采样时刻的入口平均车速Vin、入口车流量Cin、出口平均车速Vout、出口车流量Cout；拥堵模糊评级模块，用于对数据采集模块得到的数据进行拥堵评级，拥堵级别至少包括通畅及非通畅；样本生成模块，用于获取数据采集模块在某一时间跨度内采样得的采样数据，每个采样数据为一个样本，通过拥堵模糊评级模块获得的每个样本所对应的拥堵评级，根据拥堵评级统计每个样本的非通畅未来时间，其中，非通畅未来时间定义为当前样本的样本时刻与其后最邻近的判定为非通畅的样本的样本时刻之间的时间跨度；样本清洗模块，包括样本初步清洗模块以及样本深度清洗模块，其中：样本初步清洗模块，用于去除样本生成模块所得到样本中的下列样本：1)采样时刻属于夜间空闲时间的样本；2)采样时刻属于节假日的样本；3)采样时刻发生突发事件的样本；样本深度清洗模块，用于去除样本生成模块所得到样本中的下列样本：若连续A小时以上的样本的非通畅未来时间都超过B小时，A＞B，则将连续A小时以上的样本都清除；经过训练的BP网络，用于根据数据采集模块实时采集的数据对非通畅未来时间进行预测，其中，通过样本生成模块生成且经过样本清洗模块清洗的样本对BP网络进行训练，输入量是入口平均车速Vin、入口车流量Cin、出口平均车速Vout、出口车流量Cout，教师量是每个样本的非通畅未来时间，将BP网络输出的预测时间与教师量的偏差返回BP网络，计算隐层单元的误差，求误差梯度，更新权值后再次训练BP网络，直至误差满足要求。