[发明专利]面向车联网的区域交通流量预测系统及方法

说明书

本发明公开了一种面向车联网的区域交通流量预测系统及方法。该系统包括：外部影响数据模块(1)、车联网数据模块(2)、数据处理模块(3)和支持向量回归机模块(4)。数据处理模块(3)利用外部影响数据模块(1)和车联网数据模块(2)的数据生成包含天气、节假日、日期和时间的行向量数据；支持向量回归机模块(4)利用这些数据训练学习出预测模型，利用预测模型结合下一周期时刻的行向量数据，完成对下一周期时刻的区域交通流量的预测。本发明综合考虑天气、节假日、日期和时间对区域交通流量的影响，能有效地预测出区域交通流量。可用于对交通进行疏导和对车联网资源进行分配，提高交通管控的能力和车联网资源的利用效率。

技术领域

本发明属于交通预测技术领域，特别涉及一种区域交通流量预测方法，可用于交通管控和车联网资源分配。

背景技术

车联网IoV是把车辆内网、车载移动互联网和车际网作为基础，在车与车、车与路、车与行人、车与互联网以及车与云端之间，通过统一协定的通信协议与数据交互标准来进行无线通讯和信息交互的大系统网络，是能够进行智能化交通的管理、智能动态的信息服务和车辆智能化的控制等的一体化网络。该网络通过GPS、RFID、传感器、摄像头图像处理等装置，完成自身环境和状态信息的采集；通过互联网技术，所有的车辆将自身的各种信息传输汇聚到中央处理器；通过计算机技术，这些大量车辆的信息被分析和处理，从而计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期。交通流量是指在选定时间段内通过某一区域、某一道路断面或某一车道的交通实体数。交通流量的预测信息是ITS中进行智能交通管控、动态交通状态辨识与预测和实时交通流动态诱导的关键。

目前交通流量预测技术方法主要有两类：一是统计预测算法模型，如移动平均、自回归滑动平均、卡尔曼滤波以及线性回归等；二是基于人工智能即机器学习算法的模型。但现有的交通流量的技术方法主要集中在某一道路断面或某一车道的交通流量预测，很少有技术方法用于区域交通流量预测。然而现实的交通环境中，由于车辆的移动，在同一周期时刻，有些区域会出现较高的交通流量，而有些区域的交通流量则较低，这些区域交通流量的不均衡会给交通管控和车联网资源利用效率带来严重的影响。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种面向车联网的区域交通流量预测系统及方法，以提高交通管控的能力和车联网资源的利用效率。

本发明的技术思路是：通过车联网搜集的每个车辆用户的GPS数据信息，综合考虑天气、节假日、日期、时间，利用支持向量回归机训练学习出预测模型，为区域交通流量提供较为准确的预测。

根据上述思路，本发明面向车联网的区域交通流量预测系统，其特征在于包括：

外部影响数据模块，其记录每一天的天气状况与每一天是否为节假日的数据信息，用于作为数据处理模块的外部影响数据源；

车联网数据模块，其记录车联网中所有行驶的车辆用户的GPS数据信息，用于作为数据处理模块的内部影响数据源；

数据处理模块，用于通过对外部影响数据模块输入的外部影响数据和车联网数据模块输入的内部影响数据进行数值量化处理，产生多维的行向量并输入到支持向量回归机模块；

支持向量回归机模块，用于利用由数据处理模块输入的多维行向量进行训练预测，学习出预测模型，以对未来周期时刻的交通流量进行预测。

根据上述思路，本发明利用上述系统进行区域交通流量的预测方法，其特征在于，包括以下步骤：

1)初始化：确定基准年份、预测的周期T以及训练样本数m；

2)数据处理模块根据初始化的结果和外部影响数据模块与车联网数据模块提供的数据生成当前周期时刻以及其前m-1个周期时刻共m个周期时刻的数据；

3)支持向量回归机模块利用数据处理模块生成的数据训练学习出预测模型，利用该预测模型预测输出第m+1周期时刻的交通流量；