[发明专利]一种拥堵区域交通运行状态预测方法及系统

权利要求书

1.一种拥堵区域交通运行状态预测方法，其特征在于，包括步骤：

S1.获取区域交通数据信息；

S2.根据区域交通数据信息生成多个拥堵子区；

其中，拥堵子区为基于图神经网络的链路预测模型得到，具体步骤包括：

S2.1.根据区域交通数据信息获取该区域中的拥堵关键路口，并以拥堵关键路口作为拥堵节点，该拥堵关键路口的周边路口作为周边节点，以构造拥堵节点h步之内的封闭子图；

S2.2.基于图神经网络的链路预测模型预测封闭子图中周边节点与拥堵节点关联关系存在的可能性值；

S2.3.将关联关系存在的可能性值大于阈值的周边节点与拥堵节点构成拥堵子区；

S3.按照预测时段对每一个拥堵子区中的各路段进行路段速度预测，以得到相应预测时段的路段预测速度；

S4.根据得到的路段的预测速度进行OD预测，以得到OD预测参数；

S5.以拥堵子区的路段预测速度和OD预测参数对区域交通运行状态进行仿真，以对区域交通运行状态进行预测。

2.根据权利要求1所述的一种拥堵区域交通运行状态预测方法，其特征在于，步骤S3中，拥堵子区中各路段的预测速度为基于图波网的时空图卷积网络模型得到，所述基于图波网的时空图卷积网络模型由输入层、输出层以及堆叠的K个时空层组成，时空层由门控时间卷积层以及图卷积层组成，门控时间卷积层由两个并行的时间卷积层组成，输入层与每个时空层连接，每个时空层中都有残差连接，且每个时空层跳跃连接到输出层。

3.根据权利要求2所述的一种拥堵区域交通运行状态预测方法，其特征在于，所述基于图波网的时空图卷积网络模型，在输入层和时空层之间增加聚类层、线性层，剔除输入层传输的冗余信息；在时空层和输出层之间增加线性层，提取信息传输到输出层。

4.根据权利要求3所述的一种拥堵区域交通运行状态预测方法，其特征在于，步骤S3中，对每一个拥堵子区进行路段速度预测具体包括以下步骤：

S3.1.构造速度信息矩阵；

S3.2.将路段作为节点，路段间的连接关系作为边，以S时间步的速度信息矩阵作为输入信息输入到基于图波网的时空卷积网络模型，并输出预测时段的路段预测速度。

5.根据权利要求4所述的一种拥堵区域交通运行状态预测方法，其特征在于，速度信息矩阵包括速度值快线、速度值慢线、速度变化值快线、速度变化值慢线和差离值。

6.根据权利要求1所述的一种拥堵区域交通运行状态预测方法，其特征在于，步骤S4中，具体包括如下步骤：

S4.1.构建OD预测基础模型；

S4.2.对拥堵子区中的每个路口设置不同OD类别进行仿真；

S4.3.将仿真得到的速度分布集和类别标签一起作为小样本数据集，输入OD预测基础模型；

S4.4.利用梯度下降法进行模型参数微调，以得到指定路口的OD仿真参数预测模型；

S4.5.将路段预测速度输入指定路口OD仿真参数预测模型，以得到OD预测参数。

7.根据权利要求6所述的一种拥堵区域交通运行状态预测方法，其特征在于，步骤S4.1中，通过MAML模型训练以构建OD预测基础模型。

8.根据权利要求1所述的一种拥堵区域交通运行状态预测方法，其特征在于，步骤S5具体为：将拥堵子区的路段预测速度和OD预测参数作为仿真参数，对拥堵子区中的每个路口进行仿真建模，得到交通运行状态指标值，获取拥堵子区未来的演变特征，从而对区域交通运行状态进行预测。

9.一种拥堵区域交通运行状态预测系统，用于实现权利要求1所述的一种拥堵区域交通运行状态预测方法，其特征在于，包括信息获取模块、拥堵子区生成模块、速度预测模块、OD预测模块、交通状态预测模块；

信息获取模块，用于获取区域交通数据信息；

拥堵子区生成模块，用于根据区域交通数据信息生成多个拥堵子区；

速度预测模块，用于按照预测时段对每一个拥堵子区中的各路段进行路段速度预测，以得到路段预测速度；

OD预测模块，用于根据得到的路段的预测速度进行OD预测，以得到OD预测参数；

交通状态预测模块，用于以拥堵子区的路段预测速度和OD预测参数对区域交通运行状态进行仿真，以对区域交通运行状态进行预测。