[发明专利]一种全路网交通状态预测方法及装置

权利要求书

1.一种全路网交通状态预测方法，其特征在于，包括：

获取检测路段的交通流数据和全路网的历史出行OD矩阵；

根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；

根据所述预测交通流数据和所述交通流推演运行状态确定优化模型，包括：根据所述检测路段的所述预测交通流数据和所述交通流推演运行状态的偏差，和每个OD对的路段流量与所有时间片内产生的出行量的偏差，来确定所述优化模型；

根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。

2.根据权利要求1所述的全路网交通状态预测方法，其特征在于，所述交通流推演运行状态包括路段速度、路段流出量和路段排队车辆数。

3.根据权利要求2所述的全路网交通状态预测方法，其特征在于，所述根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态包括：

根据所述预测交通流数据确定所述检测路段的所述路段速度，根据交通流的流-密-速关系确定其他路段的所述路段速度；

根据路段排队模型确定路段最大流出能力；

根据所述路段速度确定车流流出需求量；

根据所述路段最大流出能力和所述车流流出需求量确定所述路段流出量和所述路段排队车辆数。

4.根据权利要求3所述的全路网交通状态预测方法，其特征在于，所述路段流出量表示为：，所述路段排队车辆数表示为：，其中，表示所述路段最大流出能力，表示路段在时刻的所述车流流出需求量，表示路段在时刻的路段流出量，表示仿真步长。

5.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，所述交通流数据包括所述检测路段的速度和流量；所述预测交通流数据包括所述检测路段的预测速度和预测流量；所述历史出行OD矩阵以每个所述OD对为行，以时间片为列构成，所述历史出行OD矩阵的数值表示所述OD对在所述时间片内产生的出行量。

6.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，所述预设约束条件包括动态用户均衡约束。

7.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，所述根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测包括：

根据所述优化模型和所述预设约束条件的求解结果进行聚合，确定所述预测OD；

根据所述预测OD进行动态路径选择和交通流分配，确定所述全路网的交通状态。

8.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，还包括：

当根据所述优化模型和所述预设约束条件确定的目标函数值不符合预设精度要求时，调整每个OD对分配到偏差量最大的路径上的流量，重新进行优化，直至所述目标函数值符合所述预设精度要求。

9.根据权利要求1-4中任一项所述的全路网交通状态预测方法，其特征在于，还包括：

获取所述检测路段的最新交通流数据，对所述预测交通流数据进行更新。

10.一种全路网交通状态预测装置，其特征在于，包括：

获取模块，用于获取检测路段的交通流数据和全路网的历史出行OD矩阵；

处理模块，用于根据所述交通流数据确定预设时间间隔内所述检测路段的预测交通流数据，并根据所述历史出行OD矩阵确定所述预设时间间隔内所述全路网的交通流推演运行状态；还用于根据所述预测交通流数据和所述交通流推演运行状态确定优化模型，包括：根据所述检测路段的所述预测交通流数据和所述交通流推演运行状态的偏差，和每个OD对的路段流量与所有时间片内产生的出行量的偏差，来确定所述优化模型；

预测模块，用于根据所述优化模型和预设约束条件确定预测OD，进行所述全路网的状态预测。