[发明专利]一种基于深度学习算法的高速公路限速限流方法

说明书

本发明提供一种基于深度学习算法的高速公路限速限流方法，其可以根据道路的实际情况计算出符合道路自身的流量和速度阈值，且方法简单，实施便利，易于推广。本发明的技术方案中，对每一个待处理道路，通过道路卡口设备获取其专有的历史和实时的道路数据，作为道路数据样本集；利用车流量的历史数据训练车流量预测模型，把车流量的实时数据样本集输入到训练好的车流量预测模型中，获得针对每个待处理道路对应的预测的车流量数据；然后基于历史道路数据，建立车流状态分类器，获取将车流状态，根据拟合出的车流状态对应车流量与拥堵概率的关系图，最终获得待处理道路对应的车流量阈值、车速阈值。

技术领域

本发明涉及智能交通控制技术领域，具体为一种基于深度学习算法的高速公路限速限流方法。

背景技术

现代的交通控制中，为了预防高速公路拥堵发生，对于高速公路限速限流方法的研究是交通控制中的常见课题。目前常见的限速限流方法有：

(1)以85％位车速作为限速阈值；

(2)可变限速限速限流，即将高速公路分段，基于交通流理论对每段的交通流速度进行控制。

然而，以85％位车速作为限速阈值的方法，虽然简单易行，但是该种阈值选择办法没有从交通流理论出发，很多时候与道路的实际情况并不符合，过于简单粗暴，真正实施的时候，在有些道路上会不适用；可变限速限速限流措施虽然建立在科学的交通流模型上，但是采用分段限速的措施不但难以实施，而且如果驾驶员遵守每段路的不同限速，那么这种交通流的不均匀性极易导致安全事故，缺乏实用性。

发明内容

为了解决现有的限速限流方法对于道路实际情况考虑较少，或者难以实施，以至于缺乏实用性的问题，本发明提供一种基于深度学习算法的高速公路限速限流方法，其可以根据道路的实际情况计算出符合道路自身的流量和速度阈值，且方法简单，实施便利，易于推广。

本发明的技术方案是这样的：一种基于深度学习算法的高速公路限速限流方法，其特征在于，其包括以下步骤：

S1：针对待处理道路，设置监测时间，利用道路卡口设备获取统计监测时间内的道路数据，建立道路数据样本集；

所述道路数据从时间上划分，包括：历史数据和实时数据；

所述道路数据从类型上划分，包括：车流量、车辆密度、平均速度，；

S2：基于深度学习深度学习算法K-MEANS算法建立车流状态分类器；

S3：把所述道路数据样本集的历史数据输入到所述车流状态分类器，输出所述待处理道路对应的车流状态分类，所述车流状态分类包括：自由流稳定态、自由流亚稳定态、同步流、拥堵流；

S4：根据所述车流状态中的四种状态做出所述待处理道路对应的平均速度和车流量关系图，所述平均速度和车流量关系图表示在所述待处理道路上，随着道路上车辆的平均车速的变化车流状态变化的趋势；

S5：基于长短期记忆神经网络算法建立车流量预测模型；

S6：把步骤S1中获取的所述道路数据样本集中的历史数据中的车流量数据进行预处理之后，形成车流量训练数据集；把所述车流量训练数据集输入到所述车流量预测模型中进行训练，获取训练好的所述车流量预测模型；

S7：把步骤S1中获取的所述道路数据样本集中的实时数据中的车流量数据、输入到训练好的所述车流量预测模型中，获得预测的车流量数据

S8：根据现有数据可知，道路发生拥堵的概率与道路上的车流量的关系是指数关系，所以基于指数模型，结合步骤S1中获取的所述道路数据，以所述预测的车流量数据为基础，拟合出车流量与拥堵概率的关系图；