[发明专利]一种基于浮动车数据的高速公路路况识别与预测方法

说明书

本发明公开了一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：基于原始GPS轨迹数据，进行数据预处理；基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；基于速度计算网格内的交通流参数，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；基于主成分分析的交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；基于k‑means的交通状态聚类分析，对不同交通状态进行识别；构建不同时间尺度的特征，建立基于长短期记忆神经网络LSTM的各交通状态量预测模型。本发明能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。

技术领域

本发明涉及交通大数据技术领域，尤其是一种基于浮动车数据的高速公路路况识别与预测方法。

背景技术

随着社会经济的不断快速发展，作为国家动脉的高速公路网，在国家经济建设与发展中承担着重要的作用，保持其良好的运行状态也成为交通管理部门的重要人物。以往对于高速公路状态的监控预测主要依赖于固定检测器数据，此类数据往往具有覆盖面不广、不够灵活的特点。

随着GPS设备的推广，浮动车数据的量级不断增长；相较于传统检测器的较高的维护管理成本，浮动车数据具有获取简单，成本较低的特征；因此浮动车数据也成为了高速公路监控及预测的一个新的重要数据来源。与传统检测器数据不同，浮动车数据具有时空覆盖面广的特点，几乎包含道路全程的各个位置的信息；同时，浮动车数据由于相关设备的覆盖率问题，具有一定的稀疏性，因此在具体的数据挖掘方法方面需要进行特别的考量。本发明基于浮动车数据，重点探究高速公路交通状态的识别划分方法；对拥堵时空维度的发展进行预测算法构建。本项研究，能够基于实时数据对高速公路的交通状态进行精确识别，从而获知拥堵热点地区，进行精准交通改善；基于深度学习的拥堵预测，对拥堵的演变进行研究，能够为管理部门进行提前出警，提升交通事件处理效率，为道路畅通提供技术支持。

发明内容

本发明所要解决的技术问题在于，提供一种基于浮动车数据的高速公路路况识别与预测方法，能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。

为解决上述技术问题，本发明提供一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：

(1)基于原始GPS轨迹数据，进行数据预处理；

(2)基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；

(3)基于步骤(2)中获得的各轨迹点的瞬时速度，以及各轨迹点的时间网格、空间网格编号，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；

(4)针对步骤(3)获取的网格交通流参数，利用基于主成分分析的方法对交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；

(5)基于降维后的交通流参数，利用k-means算法进行交通状态聚类分析，对不同交通状态进行识别；

(6)构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型。

优选的，步骤(1)中，原始GPS轨迹数据包括：车牌号，采样点经度，采样点纬度，采样时间，采样时间和采样日期。

优选的，步骤(1)中，基于原始GPS轨迹数据，进行数据预处理具体包括如下步骤：

(11)坐标转换；采取UTM平面坐标，将WGS-84坐标投影到UTM平面上，将经纬度转换为X，Y坐标；