[发明专利]一种基于电警数据的交通拥堵状态快速识别预测方法

权利要求书

1.一种基于电警数据的交通拥堵状态快速识别预测方法，其特征在于，所述基于电警数据的交通拥堵状态快速识别预测方法，包括：

步骤1、取待识别预测路段，记待识别预测路段的长度为L；

步骤2、令当前时刻为T，根据电警数据获取T-T1时刻至T时刻时间段内驶出待识别预测路段的终点的过车数据集记为N_end，并获取T-T2时刻至T时刻时间段内驶入待识别预测路段的起点的过车数据集记为N_start；

步骤3、根据车牌号对过车数据集N_end和N_start中的车辆进行关联匹配，记录成功关联匹配的车辆的数量为n，并计算每一辆关联匹配后的车辆通过待识别预测路段的起点和终点的时间差记为t；

步骤4、计算待识别预测路段在当前T-T1时刻至T时刻时间段内的平均行程速度和平均行程时间，记为实时平均行程速度和平均行程时间

步骤5、基于数量n、实时平均行程速度平均行程时间过车数据集N_end，利用已训练的LSTM模型预测未来指定时间段内的预测平均行程速度

步骤6、取待识别预测路段的自由流速度v_free，分别计算实时平均行程速度与自由流速度v_free的比值，以及预测平均行程速度与自由流速度v_free的比值，根据比值判断待识别预测路段实时和未来指定时间段内的拥堵状态，所述拥堵状态包括畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵。

2.如权利要求1所述的基于电警数据的交通拥堵状态快速识别预测方法，其特征在于，所述T1时刻和T2时刻满足以下关系：

T2＝2*T_congestion+T1

式中，T_congestion为待识别预测路段在严重拥堵状态下的平均行程时间。

3.如权利要求1所述的基于电警数据的交通拥堵状态快速识别预测方法，其特征在于，所述过车数据集中的每条数据包含的字段如下：电警编号、时间戳、路段编号、车牌号、车辆类型、天气数据；

所述基于数量n、实时平均行程速度平均行程时间过车数据集N_end和N_start，利用已训练的LSTM模型预测未来指定时间段内的预测平均行程速度包括：

根据过车数据集N_end中的天气数据确定当前天气，根据当前时刻为T确定时间信息，将所述基于数量n、实时平均行程速度平均行程时间当前天气和时间信息输入已训练的LSTM模型预测未来指定时间段内的预测平均行程速度

4.如权利要求1所述的基于电警数据的交通拥堵状态快速识别预测方法，其特征在于，所述待识别预测路段的自由流速度v_free的确定方式如下：

根据预设的历史计算时间段获取历史计算时间段内每个T1时间段对应的平均行程速度；

对所获取的历史计算时间段内的多个平均行程速度由大到小排序，并截取排序后的前x个平均行程速度；

计算所截取的前x个平均行程速度的平均值记为v_avg，则待识别预测路段的自由流速度v_free为：

v_free＝Min(v_avg,v_limit)

式中，v_limit为待识别预测路段的最大限速。

5.如权利要求1所述的基于电警数据的交通拥堵状态快速识别预测方法，其特征在于，所述根据比值判断待识别预测路段实时和未来指定时间段内的拥堵状态，包括：

若比值σ满足0.7＜σ，则判断拥堵状态为畅通；

若比值σ满足0.7≥σ＞0.5，则判断拥堵状态为基本畅通；

若比值σ满足0.5≥σ＞0.4，则判断拥堵状态为轻度拥堵；

若比值σ满足0.4≥σ＞0.3，则判断拥堵状态为中度拥堵；

若比值σ满足0.3≥σ，则判断拥堵状态为严重拥堵。