[发明专利]城市快速路突发事件的影响预测及管控方法

说明书

本发明涉及一种城市快速路突发事件的影响预测及管控方法，汇聚了交警自有类、内部共享类、外部感知类以及互联网获取类四类数据，使用基于事件感知及主线通行效率预测、基于LSTM时间序列拥堵预测、信号实时自适应控制及自学习优化等模型，通过反复训练和学习，最终实现对流量的调优，减少突发事件的影响。

技术领域

本发明涉及智能交通领域，更具体的，涉及一种基于多维感知数据的城市快速路突发事件的影响预测及管控方法。

背景技术

随着社会经济发展和城市化进程加快，城市快速路周边住宅和商业综合体逐渐增加，道路车流量逐年增长、承载也越来越大。以常州为例，城区早晚高峰有60％的车辆在高架道路通行，2019年，高架道路总流量2.28亿辆，月均1863.2万辆，日均62.01万辆，以高架道路为主的城市快速路已成为有跨区域出行市民的首要选择。在管理实践中，因交通事故、雨雪天气等突发时间引起的快速路拥堵，由于缺乏科学决策依据，会造成快速路短时间、长距离车辆排队，但其地面道路或疏解道路未完全发挥作用，道路资源未得到充分利用，进而影响整个城市路网运行。随着机动车保有量日趋增多，各大城市路网资源趋近饱和，道路突发事件对整个城市交通网带来的负面影响问题凸显,特别是高架等城市快速路作为城市交通动脉，如何降低突发事件对路网的影响，成为各地交管部门亟需解决的问题。

发明内容

本发明要解决的技术问题是提供一种基于多维感知数据的能实现对流量的调优并减少突发事件影响的城市快速路突发事件的影响预测及管控方法。

实现本发明目的的技术方案之一是提供一种城市快速路突发事件的影响预测及管控方法，包括如下步骤：

①原始数据收集：数据包括交警自有类、内部共享类、外部感知类以及互联网获取类四类数据；

②事件感知及建立主线通行效率预测模型，具体包括如下步骤：

2.1)从步骤①收集的原始数据中提取需要的数据；

2.2)数据清洗与降噪融合；

2.3)主线通行效率基线标定：考虑到高架交通流特征，即工作日与周末、节假日的出行规律差异，本模型将根据清洗融合后的交通历史数据，利用平均值法标定工作日与周末、节假日正常同行情况下，不同时段，各高架匝道出、入口合流区的通行效率(即断面流量与断面平均流速)，建立各合流区通行效率影响因子分析计算基线，用于后续影响因子筛选与影响率计算；

2.4)关键通行效率影响因子筛选：根据历史数据与交通管理数据，建立潜在通行效率影响因子集合，包括路面状况：积水深度、积雪厚度、结冰情况，能见度情况：雨雪天与雾霾，事故影响情况：占用车道情况、警处预判事件严重度；从历史数据库中提取各潜在影响因子独立发生时的通行效率数据，与通行效率基线数据进行相关性分析，判定影响因素对通行效率的影响是否显著；保留影响显著性较高的因子作为通行效率关键影响因子；

2.5)单一影响因子通行效率影响率标定：根据路段通行效率基线及历史数据，标定单一影响因素x_i发生时，对应路段通行效率影响率ρ_路段k为：

根据影响因素x_i各数值散点，利用线性回归法求解路段通行效率关于该影响因素的线性回归方程：

ρ_路段k(x_i)＝A_ix_i+B_i

从而根据回归方程可推演未知影响因子值对路段通行效率的影响，实现全天候通行效率影响预判；

2.6)路段通行效率预测：为了减少通行效率预测的模型构建复杂度和求解难度，假设各通行效率影响因子之间相互独立，因此多个影响因子对路段通行效率整体影响为：