[发明专利]一种基于RFID数据的路口车辆分流量预测方法

说明书

本发明涉及一种基于RFID数据的路口车辆分流量预测方法，包括：步骤1、收集RFID数据；步骤2、数据预处理去除重复数据；步骤3、基于时间相位划分的车辆转向判别计算路口转向车流量；步骤4、提取特征构建特征集；步骤5、使用训练数据集训练预测模型；步骤6、以测试数据集作为预测模型输入预测其输出。本发明主要根据车辆的RFID数据，采用机器学习算法实现路口车辆分流量的预测，为智能交通信号灯的智能控制提供决策依据。

技术领域

本发明涉及智能交通领域，一种基于RFID数据的路口车辆分流量预测方法。

背景技术

现如今评判一个城市的宜居性很大程度上是依赖城市的交通状况，城市糟糕的交通给人们的出行带来了极大的不便。如何更加智能的治理规划城市交通成为当今社会的研究热点，因此智能交通应运而生。本发明借助机器学习算法以车辆RFID数据为基础通过模型训练预测路口车辆分流量大小，目的是为实现交通信号灯的智能控制提供决策依据。目前公开发表的文章或者专利主要的数据来源是GPS数据、磁感应线圈数据和图像数据，对RFID数据研究较少。另外对路口车流量的预测大都停留在路口单一方向上的流量预测，对每个路口各个方向的分流量预测很少有人涉及。

发明内容

有鉴于此，本发明的目的在于提供一种基于RFID数据的路口车辆分流量预测方法，以实现对路口各个方向上车辆分流量大小进行预测，最终为交通信号灯的智能控制提供决策依据。

本发明的目的是通过以下技术方案来实现的，一种基于RFID数据的路口车辆分流量预测方法，主要步骤为：

步骤1、收集车辆RFID数据；

步骤2、数据预处理，去除重复和奇异数据；

步骤3、以预处理后的数据为基础，基于时间相位划分方法判断路口车辆转向，并计算每个信号周期内路口各个方向车流量大小；

步骤4、根据步骤3所计算得到的各个方向车流量大小再结合公有数据构建特征集，该特征集的每条特征数据最后一个字段为标记字段，标识不同时间段下每个转向的车流量大小；

步骤5、以步骤4所得数据作为训练集，使用机器学习算法训练一个预测路口各个方向车流量大小的预测模型；

步骤6、对于一个新的信号周期，根据步骤4构建特征集并将新构建的特征集作为预测模型的输入，预测模型输出即为预测信号周期内对应方向的车辆分流量大小。

进一步，车辆转向识别方法具体步骤为：

步骤a、规定每个信号周期为T，信号周期为信号灯某个方向上的绿灯开始计时到下一次绿灯开始之间的时间间隔；

步骤b、规定在每个信号周期内红绿灯时长会被划分为多个相位，表示为p1,p2…pn；

步骤c、每个路口按方向划分东、西、南、北，每个方向上有一个RFID采集点分别用R_E、R_W、R_S、R_N表示，通过在特定的相位时间段内各RFID采集点获取到的车辆信息可以判断其转向；

步骤d、根据步骤c识别车辆转向，并按每个信号周期T统计各个方向上的车流量大小。

进一步，步骤4中，特征集的构建过程为：

步骤4.1、从时间序列出发充分考虑历史数据对预测周期的影响，f_t+1表示预测周期t+1某转向车流量大小，考虑预测周期前五个信号周期车流量大小：f_t、f_t-1、f_t-2、f_t-3、f_t-4；考虑预测结果与前一天相同时间段之间的关联性，选取前一天预测周期和预测周期前五个周期车流量大小：考虑预测结果与一周前相同时间段之间的关联性，选取一周前预测周期和预测周期前五个周期车流量大小：