[发明专利]基于车牌识别数据的大事件交通动态仿真拥堵预测的方法

说明书

本发明公开了基于车牌识别数据的大事件交通动态仿真拥堵预测的方法，具体涉及智能交通技术领域，该方法包括如下步骤：采用仿真软件构建城市路网模型。利用车牌识别数据对路段仿真参数进行标定。对车牌识别数据进行统计以获取每辆车的行驶轨迹数据。利用车牌识别数据统计出在指定时间段内每15分钟的路段流量，采用概率主成分分析模型，对各卡口的缺失数据进行插值补全并对补全后的数据进行预测，即可得到未来交通状态。判断历史交通仿真状态与未来交通状态之间的标准化均方根误差是否满足预设阈值10％。仿真软件通过动态分配车辆，得到未来的大事件交通状态，并输出相应的大事件预测结果。本发明具有自动化程度高以及预测结果精准的优点。

技术领域

本发明涉及智能交通技术领域，具体为基于车牌识别数据的大事件交通动态仿真拥堵预测的方法。

背景技术

车牌识别数据包括卡口、电警等设备捕捉的道路车辆数据，其能记录路口车辆行驶过特定车道的时刻，并记录下车辆的车牌信息。大事件包括节假日游行、大型体育赛事、演唱会、商业综合体开业等。大事件发生前一般会对周边交通制定交通管制预案，而交通仿真可以量化事件对周边交通的影响评价。

现有技术已将车牌识别数据与交通仿真相结合，将数据统计转化为od流量矩阵数据作为需求输入，对初始交通流量进行动态调整使之趋近于路网中的真实交通流量，计算仿真估计交通流量和真实交通流量之间误差，迭代使之满足阈值，以此可对居民出行od进行标定。

然而，普遍使用的同时，问题也随之而来，od数据仅能描述某段时间从某起点到某终点共有多少辆车行驶，在对于交通路网的需求描述时，并不具体。

发明内容

本发明提供了基于车牌识别数据的大事件交通动态仿真拥堵预测的方法，该方法具有自动化程度高以及预测结果精准的优点。

为实现上述目的，本发明提供如下技术方案：

基于车牌识别数据的大事件交通动态仿真拥堵预测的方法，该包括如下步骤：

S01、采用仿真软件构建城市路网模型；

S02、利用车牌识别数据对路段仿真参数进行标定，所述路段仿真参数包括通行能力、车道的自由流速度、车道的阻塞密度以及拥挤消散波速；

S03、对车牌识别数据进行统计以获取每辆车在不同时刻通过不同交叉口的行驶轨迹数据，并将行驶轨迹数据组合成集合；

同时，保存每辆车的出发时间、起点、终点及途径路径；

S04、利用车牌识别数据统计出在指定时间段内每15分钟的路段流量，并采用概率主成分分析模型，对各卡口的缺失数据进行插值补全并对补全后的数据进行预测，预测的具体步骤为：采用机器学习的随机森林模型，以道路的长度、车道数以及道路等级作为特征输入，对指定时间段内前一个15分钟和这个 15分钟的路段流量进行训练，训练出的模型用来预测后一个15分钟的路段流量，从而得到未来指定时间段内每15分钟的预测路段流量，迭代多次，即可得到未来交通状态；

S05、通过仿真软件将目标数量车辆的行驶轨迹数据动态分配到仿真路网上，得到路网历史时段交通仿真状态；

通过对比历史路段的交通流量与预测路段流量之间的标准化均方根误差是否满足预设阈值10％，从而判断历史交通仿真状态与未来交通状态之间的差异；

如满足预设阈值10％，则得到未来交通仿真状态，本步骤结束；

如不满足预设阈值10％，通过调整出行车辆数量，重复上述步骤，直到历史交通状态与未来交通状态之间的标准化均方根误差满足预设阈值10％或迭代次数达到了预设值；预设值可设置为100次。

S06、根据大事件交通管制措施统计道路供给改变，所述道路供给改变包括影响路段、影响时间段、通行能力折减以及限速折减，所述道路供给改变的各个参数是仿真软件的输入条件；