[发明专利]一种道路旅行时间短期预测方法和系统

说明书

本发明公开了一种道路旅行时间短期预测方法和系统，预测方法为利用当前采样周期计算的实际旅行时间值、历史采样周期的历史旅行时间值与平滑系数的关系确定道路旅行时间短期预测值，能够准确预测未来一段时间之内车辆通过通行区间的旅行时间。本发明可以通过现有的电子警察、交通卡口、电子车牌等多种设备实现车辆信息的实时采集，预测旅行时间数据根据历史规律和当前实时数据综合得出，具有变化平稳、波动性小的特点，能够很好的描述历史交通状态变化特性和实时趋势。本发明预测准确度高，20分钟内短期预测准确度高达90%，而且算法简单、便于实现，运算速度快，不涉及其他趋势等变量，简化了系统复杂度，便于在工程中灵活使用。

本申请为申请号为201510980309.6、申请日为2015年12月23日、发明名称为“一种道路旅行时间短期预测方法和系统”的分案申请。

技术领域

本发明涉及一种智能交通领域，具体地说，是涉及一种道路旅行时间短期预测方法和系统。

背景技术

随着城市化进程的迅速推进，人们生活水平日益提高，城市机动车保有量飞速增长，随之带来的是城市道路交通拥堵现象日趋严重。对城市道路交通路况进行自动、及时的判定，为出行者提供城市道路旅行时间的短期预测，有助于出行者选择合适的时段出行，节约时间，并减缓城市交通拥堵现象，提高城市道路交通综合管理水平。

区间旅行时间是反映城市道路运行状况的一个重要因素。准确的旅行时间预测可以为出行者提供未来的交通状况及变化趋势，指导用户选择合理的出行时间、出行方式、出行路径，改善城市道路网交通流分布的时空不均匀性。

公开号为CN103745106A的发明专利公开了一种预测快速路未来时刻所需旅行时间的系统及方法，采用视频跟踪单元对车辆进行连续跟踪，可以获得车辆在每一视频跟踪单元的跟踪范围内所需要的旅行时间，从而能够对未来路况进行准确的判断，进一步可以精准的预测未来的旅行时间。该方法只适应于城市快速路，但对于城市一般性道路，受交叉口信号控制与交通流拥堵态势变化的影响，该方法预测准确度不高。

公开号为CN105006147A的发明专利公开了一种基于道路时空关联关系的路段行程时间推断方法，包括步骤1：基于交叉口运行状态对路段行程时间交通数据进行统计；步骤2：基于通行模式周期性提取目标路段与邻接路段之间的特征关系；步骤3：基于三层神经网络模型对目标路段行程时间进行预测。该方法采用了三层神经网络计算，需要大量的历史数据进行离线分析，训练过程中受事件、管制等影响较大，可能造成预测结果不到收敛，准确度不高，目前在实际的工程中具有不可操作性。

发明内容

本发明提供了一种道路旅行时间短期预测方法，解决了现有预测方法适用范围小、不能适应所有道路，检测准确度不高的技术问题。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种道路旅行时间短期预测方法，所述方法如下：

计算采样周期k实际旅行时间值获取采样周期k内车辆i通过通行区间上游、下游两处时的过车时刻t_iu和t_id，计算车辆i通过通行区间所用时间T_i＝t_id-t_iu，通过T_i计算采样周期k实际旅行时间值

计算采样周期k的历史旅行时间值抽取m个历史采样周期k的实际旅行时间值x_j(k)，通过x_j(k)计算采样周期k的历史旅行时间值

道路旅行时间短期预测值α为事先确定的平滑系数；

其中，i＝1、2、3、…、n；j＝1、2、3、…、m。