[发明专利]一种考虑多因素影响的日维度区域交通指数预测方法

说明书

本发明公开了一种考虑多因素影响的日维度区域交通指数预测方法，包括：划分并聚合区域；区域交通指数原始数据预处理；考虑多因素影响，在日维度下的区域交通指数预测。本发明的具体技术方案为：在交通小区划分的基础上，将具备相同集聚性质的交通小区进行聚合，并计算区域交通指数；基于路网运行预警需求，确定预测时段和预测周期；对区域交通数据进行提取、弥补、剔除、从不同角度全面构建历史数据因素属性集等预处理；基于决策树理论，进行区域路网运行拥堵状态预测；利用平方欧氏距离，确定区域交通指数最终预测结果。本方法一方面深化了城市路网运行状态的监测应用，另一方面为路网运行状态的预警预报工作提供技术支持。

技术领域

本发明涉及一种考虑多因素影响的日维度区域交通指数预测方法，属于交通数据挖掘应用和交通信息预测领域。

背景技术

伴随交通信息化和智能化水平的提升，各城市和区域已实现不同范围和内容的交通运行监测，为保障交通系统安全、高效和绿色运行提供了强大的支撑服务。在拥有海量监测数据的前提下，如何由对交通运行状态的被动监测转向更具主动性的预警、预测并提出相应的管控措施，成为了行业主管部门越来越关注的核心问题。城市路网作为一个城市交通道路系统的血脉，如若路网运行效率低下，城市的正常运转以及市民出行必然会受到严重的影响。因此面向城市路网的预警、预测模型的研究与实践，将为交通异常状态的主动防控提供有力的数据支撑，对行业主管部门管理及运营调度水平的提升起到有力的推动作用。

国内外针对交通预测的研究主要集中在短时预测方面，即在时刻t对下一决策时刻t+1乃至以后若干时刻的交通流做出实时预测。一般认为t到t+1之间的预测时间跨度不超过15min的预测。短时交通流主要有基于统计方法的模型、卡尔曼滤波模型、非参数回归模型、神经网络模型、基于混沌理论的模型等，各类模型在短时交通流预测方面都取得较好的预测效果。但通过对各类文献研究发现，对于交通流的预测研究主要是短时预测，以对未来数小时或一天内的动态预测为主。中长期的预测应用较少，进而无法服务于行业管理者对未来较长时期内路网运行状况的前瞻性整体把握。同时，对于路网状态影响因素的划分也不够精细，并未充分考虑有可能影响交通流运行状态的各类因素。

本方法首先遵循交通规划原则实现交通小区划分，并通过空间自相关分析实现区域评价对象数量的降维，进一步获取区域交通指数。结合不利天气数据、大型活动备案信息交通管制以及时间事件等各类属性数据，经过数据筛选，剔除判别等过程，建立了交通状态演变系列的历史样本数据库。通过数值试验，构建了一种考虑多因素影响的区域交通指数预测模型，实现了日维度下的区域交通指数预测。该方法有助于管理决策者提前掌握未来一周容易发生高危拥堵的区域和时段，结合相应交通运行预警处理机制和方法，为诱导和合理分布交通需求、保障交通畅通奠定基础，进而保证交通运行安全、绿色和高效。

发明内容

本发明的目的在于提出一种考虑多因素影响的日维度区域交通指数预测方法，用于提前获取一段时期内区域交通指数变化趋势，进而实现对路网运行状况的提前防控和预警预报。为高峰出行期间提高路网运行效率、降低拥堵状况和事故发生概率、提升路网运行安全服务水平提供支撑。

为了实现上述目的，本发明采用的技术方案为一种考虑多因素影响的日维度区域交通指数预测方法，该方法具体包括如下步骤：

步骤1，划分并聚合交通区域；

步骤1.1，基于路网结构划分交通小区；

综合考虑用地性质、行政区划、自然地貌、道路网结构等因素，将分析区域划分为若干个交通小区。划分交通小区时要考虑到城市内外环区域交通需求差别大，交通需求大的区域划分面积小，而交通需求小的区域面积随之增加。

步骤1.2，基于空间自相关分析的交通小区聚合；