[发明专利]一种基于神经网络的车辆通过交叉口行程时间的预测方法

说明书

本发明公开了一种基于神经网络的车辆通过交叉口行程时间的预测方法，属于智能交通系统领域，主要解决车辆在交叉口拥堵的情况和交通信号灯的影响下，实现对车辆通过交叉口时间的准确预测。所述方法步骤如下：(1)城市道路划分；(2)交叉口数据收集；(3)数据处理；(4)通过BP神经网络，将处理后的数据输入进行模型的迭代学习并得出交通参数和行程时间的关系从而达到预测时间的目的。本发明充分考虑了交叉口的复杂情况，利用神经网络模型的优势，预测出车辆通过交叉口的行程时间，可以为驾驶者后续的行驶路线选择提供可靠信息。

技术领域

本发明涉及智能交通系统领域，具体涉及一种基于神经网络的车辆通过交叉口行程时间的预测方法。

背景技术

随着我国社会经济的不断发展与城市人口的持续增长，车辆的快速增长导致我国各大城市的交通压力 日益增加，增加了居民的出行时间。为了提高出行效率，驾驶员对出行时间的预测有了迫切的需求，其中， 交叉口复杂情况给车辆通过交叉口的时间预测带来了难度，因此，对车辆通过交叉口的行程时间的准确预 测成为智能交通领域和学术界研究的焦点。

交叉口行程时间预测是交通预测的一个重要组成部分。交叉口行程时间预测可使出行者，适应因交通 状况的不确定性，有助于车辆在路网中的合理分布。其中，姜等研究了车辆在停车线附近的动力学特性， 并提出下游线圈检测数据修正方法及路段行程时间的预测方法，马等将路口行程时间与交通信号灯和信号 时间进行结合，对路口的排队长度和路口的通行时间进行预测。

BP神经网络能够实现从输入到输出的映射功能，具有较强的非线性映射能力，能够通过学习自动提取 输入、输出数据间的合理规则，具有高度自学习和自适应的能力。将BP神经网络应用到交叉口通行时间 预测能过有效提取交通变量与通行时间的关系，并通过输入交通变量预测出通行时间。

发明内容

本发明的目的在于针对上述的问题，提出一种基于神经网络的车辆通过交叉口的行程时间预测方法， 旨在解决针对交叉口场景下，车辆通过交叉口行程时间预测的问题。

本发明的技术包括以下步骤：

S1、城市道路的划分：根据研究内容把城市道路划分交叉口和交叉口连接路段，交叉口连接路段又分 为进口道路段和出口道路段，以保证交叉口能够包括车辆进入交叉口和驶离交叉口的所有行驶轨迹。

S2、数据收集：采集目标交叉口的地理信息，基于路测采集器，采集经过目标交叉口的GPS数据，通 过无线通信方式汇总到数据中心。

S3、数据处理：剔除车辆的冗余数据，补充缺失数据，提取车辆通过交叉口进口道的时间、速度和车 辆通过出口道是的时间，车辆进入交叉口前的信号灯状态，并对GPS轨迹数据的缺失点进行插值处理。

S4、建立神经网络模型：将处理得到的数据采用留出法划分为训练集和测试集，选取车辆在进口道停 车线时的速度v_in、时间t_in和信号灯状态λ作为神经网络的输入，车辆通过交叉口的时间Δt作为神经网络 的输出，用梯度下降算法来进行网络优化，选取均方根作为评价指标。

S5、交叉口行程时间预测：通过输入交叉口进口道车辆的信息，预测车辆通过路口的时间。

进一步的，所述步骤S1中，城市道路划分规则为：

为保证能够采集到足够多的车辆数据，路口连接段应保留足够长的长度，确保能够保留每个车辆多个 GPS数据点。

进一步的，所述步骤S2中，通过地图采集目标交叉口的长、宽以及停车线的位置信息。采集的GPS 数据具有一个完整的周期，包括工作日和非工作日的数据，根据一个完整周期内的工作日和非工作日的数 据能够更加清晰地反映出道路交通量变化，也可以更加有效地拟合与行程时间的关系。

进一步的，所述步骤S3中，数据处理的规则如下：