[发明专利]基于GIS大数据的工况权重因子获取方法及装置

权利要求书

1.一种基于GIS大数据的工况权重因子获取方法，其特征在于，包括以下步骤：

S1、GIS数据补充与修正；

步骤S1包括：计算各条道路GIS数据的缺失率，对GIS数据缺失率在一定范围内的道路数据进行补充与修正；

S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；

步骤S2包括：根据道路信息对各条道路的车道数进行加权处理，获得该条道路的平均车道数；将道路GIS数据与道路信息相匹配，构建典型城市全路网GIS数据库；

S3、建立基于支持向量机的交通流模型选择模型或基于粒子群优化极限学习机的交通流模型选择模型；

步骤S3包括：

S3a、提供多条道路在不同时刻的交通流量数据；步骤S3a中，通过对典型道路交通摄像头视频数据的分析处理，获得多条道路在不同时刻的交通流量数据；

S3b、选定多种交通流模型，根据GIS数据库中的道路平均速度，分别计算对应道路的交通流量，然后确定对应道路的交通流模型，最后形成各条道路与交通流模型一一对应的交通流模型样本库；其中，交通流量模型为3种；采用最小二乘法确定对应道路的交通流模型；

S3c、采用支持向量机，选择核函数及参数，构建基于支持向量机的交通流模型选择模型；步骤S3c中，将交通流模型样本库分为训练集和测试集，然后构建基于支持向量机的交通流模型选择模型；

S4、交通流模型标定及计算，得到全路网道路的交通流量；

步骤S4包括：

S4a、将道路信息输入到交通流模型选择模型中，计算出道路适用的交通流模型，然后对交通流模型进行标定，包括自由流速度标定和最佳密度系数标定；

S4b、将交通流模型的计算流量和实际调研流量进行对比，并计算各小时交通流量的相对误差平均值和绝对误差平均值；

S4c、将GIS数据库作为输入，通过交通流模型计算得出全路网道路的交通流量；

S5、速度区间权重因子计算；

步骤S5包括：根据全路网道路的交通流量，得到全路网不同速度区间的车辆行驶时间分布，按照速度区间阈值，分别划分低速区间、中速区间和高速区间，分别计算低速区间、中速区间和高速区间的累计车辆行驶时间，最终得到各速度区间权重因子。

2.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，若缺失率大于或等于0.3，则该条道路的GIS数据直接被删除；

若缺失率大于或等于0.1且小于0.3，则采用相邻日期同一时刻的速度平均值补充；

若缺失率小于0.1，则采用当日内相邻时刻平均速度的线性差值对车辆信息进行补充。

3.根据权利要求2所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述相邻日期为当日前五天到当日后五天。

4.根据权利要求2所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述相邻时刻为当前时刻的前15分钟到后15分钟。

5.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，该条道路的平均车道数采用以下公式计算得到：

其中，n为平均车道数；n_i为该道路上第i段道路车道数；l_i为该道路上第i段道路车道长度。

6.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述交通流模型选择模型基于支持向量机建立。

7.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述道路信息包括道路长度、道路加权车道数、道路限速值和道路等级。

8.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述相对误差平均值采用以下公式计算得到：其中，ε为相对误差平均值，Q_i为第i时刻的实际交通流量，q_i为第i时刻模型计算出的交通流量。