[发明专利]道路交通状况即时预测的智能管理系统

说明书

所属技术领域

本发明是一种基于对未来道路交通状况(速度与流量)即时预测进行智能管理的系统.

背景技术

在交通领域，行程时间对于为旅行者和调度员提供导航是必不可少的。在交通网络中这种信息通常用对每个路段取平均值的方法来取得。基于行程时间的平均值，我们可以用很多最短路径的算法来得出最佳的行程路线。在交通网络中路径是由一条或多条路段组成的。有几种传统的方法来计算未来时间段的导航以及最佳路径。

最普遍的方法就是取平均值。这种方法可以为用户提供平均的最佳路径。然而由于道路的堵塞，对于某一路段行程时间的平均值在某一特定时间和真实的行程时间会有很大的差距。比如在高峰时期某一路段的行程时间会是非高峰时间的两倍。在这种情况下，为用户提供基于特定时间的导航获最佳路径将更合理。

有一种早期的传统方法关于报告汽车数据，在该方法中类似队列的对象在交通流中被找出并跟踪，从而得出各种交通参数的估计值，其中可能包括行程时间。更具体些，那些数据关于在队列中的平均汽车数，队列长度，汽车在队列中的平均等待时间，某一段道路特定方向的平均汽车数，以及当前的数据空白程度，能够用来在一个连续的基础上生成历史的进度线。同时历史进度线暗示了对现在或不远将来的预告。如果把路段之间的相互关系考虑进去这种方法会变得过于复杂，同时对这些值的实时运算是不可能的。

第二种关于对未来道路交通状态预测的方法。这是一种未来多种时间间隔的速度信息进行预测的方法(比如对未来0-60分钟到几小时，甚至1-3天)。该方法用类似路段在同一时间点同一类型的日期历史速度乘以一个小等于1的加权参数，然后通过对一些参数如天气预报信息，道路改造，以及任何对该路段已知的安排好的事件进行回归分析得到结果。

因此这种方法依赖于高质量的天气预报数据以及基于路段的相应事件。然而这些数据通常并不以能被交通预测运用的格式存在。

第三种方法是通过计算机神经网络与非参数回归模型进行预测.这一类方法自从二十世纪九十年代以来已经被许多研究小组尝试用于实际的交通预测.但是由于此方法内在的缺点，它的计算速度慢而且无法同时应用预测大范围精密覆盖的道路网络，她的预测精确度也不高.更重要的是在这类解决方案中，一些外界因素(如天气，道路零时施工，大型活动)对交通流的影响无法及时体现.

然而，对于本发明的申请人来说，以上的传统方法在许多情况下不能适用，例如：

(1)在天气预报和固定事件的数据不存在的情况下仍然需要对未来行程时间的准确预报。

(2)由于天气或事件的效果对不同的路段是很不同的，用单一的加权因素对平均行程时间进行计算往往是不够的。除此以外，对于现在情况高细节的数据，就像在第一种传统方法中假设的一样，一般对大多数的路段是无法取得的，同时对用于很短期的预测是没有效果的。

发明内容

综合考虑前述、有代表性的问题、缺陷、传统系统的劣势等等因素，本发明能够提供一种新的结构实现对大型的交通网络进行实时地、高动态的未来交通状况预测，并且在预测的基础上提供可量化指标给交通管理决策支持。