[发明专利]一种基于浮动车数据的城市路网动态交通拥挤预测方法

权利要求书

1.一种基于浮动车数据的城市路网动态交通拥挤预测方法，其特征在于，包括以下步骤：

1）确定城市路段拥挤状态判别指标；

2）将浮动车数据转化为交通流参数，包括密度、流量、速度；

3）根据步骤2）所得的交通流参数，进行路段交通流状态判断；

4）根据目标路段l自身和下游线路当前的交通流状态，预测目标路段l的动态通行能力C_l；

5）根据目标路段l自身和上游路段当前的交通流状态，预测目标路段l的动态交通需求D_l；

6）根据动态通行能力C_l和需求D_l，判断目标路段l发生拥挤的可能性、拥挤程度LOC以及拥挤形成时间。

2.根据权利要求1所述的一种基于浮动车数据的城市路网动态交通拥挤预测方法，其特征在于：

根据浮动车数据特点确定城市路段拥挤状态判别指标为拥挤指数CI，为系统延误时间和总的旅行时间的比值，即：

CI=(t-t₀)/t₀

其中：t为实际路段旅行时间，t₀为自由流状况下的路段旅行时间；

将浮动车数据，主要是速度v，转化为交通流参数，包括密度、流量、速度，采用如下交通流模型：

kkm=ln[vf/v]v/σ≤mkkj=e-vvmv/σ>m]]>

v=Σi=1nvtiT]]>

σ=Σi=1n(vti-v)2n]]>

Q=kvL

其中，m为待估计参数，代表交通流状态的阈值，根据路段类型不同而不同，通常取250；k为交通流密度；k_m为交通流流量最大时的密度；k_j为交通流拥挤状态密度；v_f为自由流状态下的速度；v_ti为浮动车在时间t_i的行驶速度；v_m为最大交通流量时的速度；v为观测时段T内采集的浮动车速度样本的平均值；σ为速度样本标准差；Q为流量；L为车道数系数；

根据上面获得的交通流参数，采用模糊判断法进行路段交通流状态判断；构建模糊推理模型，首先要确立输入输出变量的模糊集，确定各自的隶属度函数，并将其转化为语言变量；

建立相应模糊推理规则，根据所得交通流参数判断路段l的交通流状态为很好、良好、中等、较差或很差，模糊规则条件式，如下：

如果路段l交通流量Q为大，密度k为中等，速度v为中等，那么路段l的交通状态为中等；

该模糊推理规则可根据专家经验汇总形成；

根据目标路段l自身和下游线路当前的交通流状态，预测路段l的动态通行能力C_l，也采用模糊推理方法，通过路段l自身和下游线路当前的交通流状态，综合预测路段l的动态通行能力C_l为高、中等或低，模糊规则条件式，如下：

如果路段l交通流状态为良好，下游路段交通流状态为中等，那么路段l的动态通行能力C_l为大；

该模糊推理规则可根据专家经验汇总形成；

根据目标路段l自身和上游线路当前的交通流状态，预测路段l的动态交通需求D_l，采用模糊推理方法，通过路段l自身和上游线路当前的交通流状态，综合预测路段l的动态交通需求D_l为高、中等或低；模糊规则条件式，如下：

如果路段l交通流状态为良好，其上游路段交通流状态为中等，那么路段l的动态交通需求C_l为中等；

该模糊推理规则可根据专家经验汇总形成；

最后，根据所述动态通行能力C_l和需求D_l，采用模糊推理方法预测路段l发生拥挤的可能性、拥挤程度LOC以及拥挤形成时间；通过路段l的动态交通需求C_l为高、中等或低和路段l的动态交通需求D_l为高、中等或低，预测路段l发生拥挤的可能性为很大、较大、中等、较小或很小，拥挤程度LOC为严重、中等或轻，以及拥挤形成时间为长、中等或短；模糊规则条件式，如下：

如果路段l动态通行能力C_l为大，路段l的动态交通需求D_l为大，预测路段l发生拥挤的可能性为较小，拥挤程度LOC为中等以及拥挤形成时间为长；

该模糊推理规则可根据专家经验汇总形成；

预测的路段l发生拥挤的可能性、拥挤程度LOC以及拥挤形成时间的具体量化结果，可利用隶属度函数进行反模糊化得到。