[发明专利]一种道路交通拥堵预警方法及系统

说明书

本公开公开了一种道路交通拥堵预警方法及系统，包括根据获取的多源交通数据进行特征分类，并构建相应的特征隶属度函数，得到第一模糊权值；对多源交通数据采用专家评价法构建人工隶属度函数，并计算第二模糊权值；根据第一模糊权值和第二模糊权值融合后得到的融合模糊权值，对特征隶属度函数进行模糊加权平均，对得到的不同特征量的加权平均值隶属度函数进行解模糊，得到多源融合交通数据；采用核超限学习机群组算法构建道路交通拥堵模型，计算最佳道路交通拥堵指数；获取当前多源交通数据，预测当前拥堵指数，通过与最佳道路交通拥堵指数进行比较，对当前道路是否拥堵进行预警。构建了发挥道路参与者群体智慧的人机混合增强智能多源交通数据融合体系。

技术领域

本公开涉及智能交通技术领域，特别是涉及一种道路交通拥堵预警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近年来，随着道路行驶车辆的增多，使得道路上的行车环境更加复杂，交通拥堵的几率大大增加，车辆在道路上的行车安全遭遇极大威胁，而且行车速度的下降和到达目的地时间也会增加；在道路运行环境中，车辆的行驶状态受多种因素的影响，例如车辆状态、天气环境、行人或驾驶员的行为等；而发明人发现，传统的道路交通预警平台存在部分缺陷，传统的道路拥堵预警平台多以单一的传感设备作为数据采集来源，仅考虑路况或车辆本身的影响，数据的采集端采集的数据不够完善；道路的拥堵程度评价指标过于简单，并未考虑人类感知和群体经验在城市道路拥堵中的重要作用，忽略了交通管理者管理经验对交通管控规则的完善；在城市道路交通预警平台的构建中并未考虑到交通系统的复杂性和人在交通系统中的重要作用，对驾驶员的拥堵预警并未形成完整的拥堵预警网络。

发明内容

为了解决上述问题，本公开提出了一种道路交通拥堵预警方法及系统，采集人、车、路和环境的多源交通参数，通过模糊逻辑推断和最小方差加权平均法实现多源交通数据融合，并采用核超限学习机算法计算道路拥堵指标，在道路拥堵预警阶段，利用拥堵指标进行拥堵判断，构建了发挥道路参与者群体智慧的人机混合增强智能多源交通数据融合体系。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供一种道路交通拥堵预警方法，包括：

根据获取的多源交通数据进行特征分类，并构建相应的特征隶属度函数，对特征隶属度函数采用最小加权平均算法得到第一模糊权值；

对多源交通数据采用专家评价法构建人工隶属度函数，并计算第二模糊权值；

根据第一模糊权值和第二模糊权值融合后得到的融合模糊权值，对特征隶属度函数进行模糊加权平均，对得到的不同特征量的加权平均值隶属度函数进行解模糊，得到多源融合交通数据；

对多源融合交通数据采用核超限学习机群组算法构建道路交通拥堵模型，计算最佳道路交通拥堵指数；

获取当前多源交通数据，根据道路交通拥堵模型预测当前拥堵指数，通过与最佳道路交通拥堵指数进行比较，对当前道路是否拥堵进行预警。

第二方面，本公开提供一种道路交通拥堵预警系统，包括：

第一模糊权值计算模块，用于根据获取的多源交通数据进行特征分类，并构建相应的特征隶属度函数，对特征隶属度函数采用最小加权平均算法得到第一模糊权值；

第二模糊权值计算模块，用于对多源交通数据采用专家评价法构建人工隶属度函数，并计算第二模糊权值；

融合模块，用于根据第一模糊权值和第二模糊权值融合后得到的融合模糊权值，对特征隶属度函数进行模糊加权平均，对得到的不同特征量的加权平均值隶属度函数进行解模糊，得到多源融合交通数据；

模型构建模块，用于对多源融合交通数据采用核超限学习机群组算法构建道路交通拥堵模型，计算最佳道路交通拥堵指数；