[发明专利]一种基于GPS数据和交通事故类型的拥堵时间预测方法

说明书

本发明公开了一种基于GPS数据和交通事故类型的拥堵时间预测方法，包括：确定交通事故类型、事故处理时间t、事故发生时刻t₁及事故的经纬度坐标；拥堵车流中的车辆定时上传GPS数据和时间，所述GPS数据包括车辆的经纬度坐标；一车辆在t₂时刻请求通过事故地点的时间T：若t₂时刻处于事故的处理时间t₁+t内，根据Haversine公式计算该车辆距事故地点的距离d；t₂时刻该车辆的初始速度为0，计算该车辆通过距离d所需的时间t₃，从而得到T。本发明是在事故发生后，对当前事故影响范围内的具体行驶车辆信息进行采集，然后通过事故类型和GPS进行估算得到车辆实际通过拥堵路段的具体时间，数据更加真实可靠，预测结果更加准确可靠。

技术领域

本发明涉及道路交通技术领域，尤其涉及一种基于GPS数据和交通事故类型的拥堵时间预测方法。

背景技术

交通事故会引发大范围的交通拥堵，增加车辆油耗和废气排放，带来能源消耗和环境污染问题。一旦发生交通事故，部分道路就会被占用或者封闭，事故发生地点通行能力降低，无法满足交通需求，进而导致交通拥堵，增加二次事故发生的可能性。同时，司机在等待事故处理、缓慢跟进通行过程中会产生急躁或者消极的情绪，也极易引发行驶车辆之间的冲突(剐蹭)等，增加二次事故发生的可能性。此时，如果能尽可能准确的预测到通过事故发生地的时间，为后续司机提供时间参考，将会稳定他们的情绪，促进事故后续车辆安全有序通过事故发生地，同时也能提前合理安排自己的行程。

现有道路拥堵时间的获取一般通过获取多个交通特性参数，包括车辆占有率、车流量、车辆平均速度和车头时距等；然后将获取到的交通特性参数基于BP神经网络算法得到将要拥堵的时间。现有技术仅通过获取拥堵道路上的交通特性参数来判断拥堵的等待时间，其没有考虑对于交通事故导致的拥堵；因此，现有道路拥堵时间的获取方法不准确，不能实时的反应道路拥堵的实际状况。

发明内容

针对上述问题中存在的不足之处，本发明提供一种基于GPS数据和交通事故类型的拥堵时间预测方法。

为实现上述目的，本发明提供一种基于GPS数据和交通事故类型的拥堵时间预测方法，包括：

确定交通事故类型、事故处理时间t、事故发生时刻t₁及事故的经纬度坐标；

拥堵车流中的车辆定时上传GPS数据和时间，所述GPS数据包括车辆的经纬度坐标；

一车辆在t₂时刻请求通过事故地点的时间T：

若t₂时刻处于事故的处理时间t₁+t内，根据Haversine公式计算该车辆距事故地点的距离d；t₂时刻该车辆的初始速度为0，根据公式(1)计算该车辆通过距离d所需的时间t₃，根据公式(2)得到T；其中：

T＝t₁+t-t₂+t₃ (2)

式中：a为该车辆在距离d内的平均加速度。

作为本发明的进一步改进，若t₂时刻处于事故的处理时间t₁+t外，则：

假设该车辆位于Q点，Q点与事故地点O点之间还存在Q₁,Q₂，…，Q_n-1,Q_n个点有汽车在行驶；