[发明专利]一种基于非全样定位数据的重型货车交通流量预测方法

说明书

本发明涉及一种基于非全样定位数据的重型货车交通流量预测方法，针对GPS交通流量获取不全面的问题，提出先扩样后预测的方案。扩样方法中提出依靠流量自身分布来确定的分段常系数法，预测方法中提出能解决长时记忆问题的长短时循环神经网络LSTM模型，实现重型货车交通流量与实际流量更接近的目的。本发明在数据采集时，克服了传统线圈、视频流量采集精度低的缺陷，采用卫星定位装置的GPS数据进行交通流量的预测工作，具有较高的精度。本发明为重型货车交通流量预测提供了一套更为综合、全面的方法，可以为缓解城市交通拥堵问题，提高城市交通运行效率发挥积极作用。本发明在工程中具有实际应用价值，并且可以迁移在相关领域中进行应用。

技术领域

本发明涉及智能交通领域，具体涉及一种基于非全样定位数据的重型货车交通流量预测方法。

背景技术

交通流量预测作为智能交通系统的重要研究内容，其准确性和实时性对于缓解交通拥堵等方面起到重要作用。传统的交通流量预测方法往往以小客车为主，很少有为重型货车的流量预测做出深入的探讨。此外，传统的小客车流量数据获取主要为线圈检测以及视频检测为主，往往存在着车辆类型检测不准确、流量计数缺漏的问题，同时存在着没办法将所有车道都检测全面的问题。2014年国家出台的《道路运输车辆动态监督管理办法》对12吨以上重型货车要求每车必装卫星定位装置并接入相应的监控平台。因此，在重型货车的交通流量预测中，为规避传统交通流量数据类型的不准确性，考虑采用更为准确的GPS交通流量数据。

在实际情况中仍然有小部分的重型货车没有安装卫星定位装置，以及存在装置损坏无法实时传输数据的情况。因此需要引进新的方法对交通流量数据质量进行修复，对GPS交通流量进行扩样和交通流量预测，使重型货车的交通流量与实际流量更为接近。

发明内容

为克服上述的问题，本发明目的在于提供一种基于非全样定位数据的重型货车交通流量预测方法。

本发明通过以下方法达到目的：

一种基于非全样定位数据的重型货车交通流量预测方法，包括如下步骤：

步骤1：基于车载卫星定位装置，获得重型货车GPS数据；

步骤2：将GPS数据按照指定的时间间隔和所属路段位置进行合并，得到交通流量；

步骤3：对步骤2合并后得到的交通流量按照道路等级和流量范围采用分段常系数法进行扩样。

步骤4：对扩样后的数据进行标准化处理。

步骤5：利用长短时循环神经网络模型进行交通流量预测。

步骤6：将预测后的交通流量进行反标准化处理。

步骤7：将反标准化后的数据与交通调查数据进行对比。

步骤8：采用总量控制法进行重型货车交通流量调整。

在上述方案的基础上，步骤1所述GPS数据包括：记录时间、经度、纬度以及车牌号；

在上述方案的基础上，所述步骤2具体包括：将城市路网络进行编号形成路段ID，将每个路段ID按照指定的时间间隔将GPS数据进行合计，形成带有路段属性和时间间隔属性的交通流量数据。

在上述方案的基础上，步骤2所述指定的时间间隔为1h。

在上述方案的基础上，步骤3所述道路等级包括公路等级和城市道路等级，从公路等级和城市道路等级两方面细分10个等级；

所述公路等级包括：高速公路、一级公路、二级公路、三级公路、四级公路；

所述城市道路等级包括：快速路、主干路、次干路、支路、其他，所述其他代表不属于上述城市道路等级的其余路段。

在上述方案的基础上，步骤3具体包括如下步骤：