[发明专利]一种基于动态交通流量的监测方法

权利要求书

1.一种基于动态交通流量的监测方法，通过t时刻、t-m时刻某一十字路口交通状况预测t+m时刻此十字路口其中一方向下游交通流量Q_预测(t+m)，从而对交通流量进行不同级别监控，其特征在于，包括以下步骤：

S1、确定训练模型的自变量参数为

t时刻此十字路口此方向的三个上游交通流量q₁、q₂、q₃，由视频监控获得，

t时刻、t-m时刻此十字路口此方向下游交通流量Q_(t)、Q_(t-m)，由视频监控获得，

t时刻十字路口此方向下游车辆交通影响级别L，

因变量参数为t+m时刻此十字路口其中一方向下游交通流量Q_预测(t+m)；

S2、记录以上自变量参数、因变量参数的历史数据；

S3、通过BP神经网络预测得到t+m时刻此十字路口其中一方向下游交通流量BP预测值Q_{bp预测(t+m)}，具体的，由各自变量参数及因变量参数的历史数据输入至BP神经网络，得到BP神经网络交通模型；

t时刻时，各自变量的数值输入至BP神经网络交通模型，得到t+m时刻此十字路口此方向下游交通流量BP预测值Q_{bp预测(t+m)}，

S4、根据Q_{bp预测(t+m)}获得Q_预测(t+m)，再决定此十字路口此方向的监控级别M。

2.根据权利要求1所述的一种基于动态交通流量的监测方法，其特征在于，步骤S1中，t时刻此十字路口此方向下游车辆交通影响级别L具体按照以下公式：

其中li为t-m时刻至t时刻，经过的每一辆车的车辆分级，由摄像头采集车牌号对应的云端车辆级别获得。

3.根据权利要求2所述的一种基于动态交通流量的监测方法，其特征在于，所述车辆分级li按照以下公式：

li＝a*r+b*s+c*lio，(i＝1,2,3…，n)，

其中，r为此车辆行驶过程中路边违规停车累计次数，s为此车辆行驶过程中红灯时过十字路口累计次数，lio为此车辆车主名下其他车辆的车辆分级，a、b、c为各自的权重，

其中，r、s均由摄像头视频采集获得。

4.根据权利要求3所述的一种基于动态交通流量的监测方法，其特征在于，

S4中，Q_预测(t+m)＝Q_{bp预测(t+m)}。

5.根据权利要求1所述的一种基于动态交通流量的监测方法，其特征在于，S3与S4之间还包括

S30，通过随机森林模型预测得到t+m时刻此十字路口其中一方向下游交通流量RF预测值Q_{rf预测(t+m)}，具体的，由各自变量参数及因变量参数的历史数据输入至随机森林模型，得到随机森林交通模型；

t时刻时，各自变量的数值输入至随机森林模型，得到t+m时刻此十字路口此方向下游交通流量RF预测值Q_{rf预测(t+m)}。

6.根据权利要求5所述的一种基于动态交通流量的监测方法，其特征在于，

其中，S4中，Q_预测(t+m)＝K₁*Q_{bp预测(t+m)}+K₂*Q_{rf预测(t+m)}。

7.根据权利要求6所述的一种基于动态交通流量的监测方法，其特征在于，

S4中，K₁、K₂的初始条件为K₁+K₂＝1；且K₁、K₂通过最优加权组合法计算获得。

8.一种基于动态交通流量的监测系统，其特征在于，包括，

第一存储单元，用于存储训练模型的以下自变量参数，

t时刻此十字路口此方向的三个上游交通流量q₁、q₂、q₃，

t时刻、t-m时刻此十字路口此方向下游交通流量Q_(t)、Q_(t-m)，

t时刻十字路口此方向下游车辆交通影响级别L；

第一计算单元，用于通过BP神经网络模型由以上自变量参数计算得到t+m时刻此十字路口其中一方向下游交通流量BP预测值Q_{bp预测(t+m)}；

第二计算单元，用于通过随机森林模型由以上自变量参数计算得到t+m时刻此十字路口其中一方向下游交通流量RF预测值Q_{rf预测(t+m)}；

第二存储单元，用于存储t+m时刻此十字路口其中一方向下游交通流量BP预测值Q_{bp预测(t+m)}；

第三存储单元，用于存储t+m时刻此十字路口其中一方向下游交通流量RF预测值Q_{rf预测(t+m)}；

第三计算单元，用于通过t+m时刻此十字路口其中一方向下游交通流量BP预测值Q_{bp预测(t+m)}和t+m时刻此十字路口其中一方向下游交通流量RF预测值Q_{rf预测(t+m)}计算得到t+m时刻此十字路口其中一方向下游交通流量Q_预测(t+m)；

第四存储单元，用于存储因变量参数为t+m时刻此十字路口其中一方向下游交通流量t+m时刻此十字路口其中一方向下游交通流量Q_预测(t+m)。