[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

说明书

本发明公开了一种基于电警数据的交通拥堵状态快速识别预测方法，基于电警数据获取用于识别和预测的基本数据，避免受限于图片数据和浮动车数据；并且基于LSTM模型进行平均行程速度的预测，避免直接利用LSTM模型进行拥堵状态预测时容易因样本数据中是否拥堵的样本分布不均匀影响预测准确性的问题，可得到准确率较高的预测输出；并且基于平均行程速度和自由流速度的比值对拥堵状态进行判断，降低直接基于平均行程速度进行判断时的因数据值浮动过大造成的误判，从而得到响应速度快、实时性强、准确率高的识别与预测结果。

技术领域

本申请属于交通预测技术领域，具体涉及一种基于电警数据的交通拥堵状态快速识别预测方法。

背景技术

随着经济的发展和城市化水平的推进，我国的机动车保有量逐年增加，随之而来的交通拥堵问题也给人们的出行带来诸多不便。为了在发生拥堵时能够及时进行交通管控，以提高路网运行效率、减少人们出行成本，因此交通拥堵状况的快速识别与预测具有重要意义。

现有的交通拥堵识别方法主要有基于图像识别的算法(例如申请号为CN2019102123085的专利公开了一种基于图像处理的交通拥堵判断方法)和基于浮动车数据的算法(例如申请号为CN2014100953892的专利公开了一种基于浮动车数据的城市路网动态交通拥挤预测方法)。其中基于图像识别的算法通过建立深度学习模型对交通拥堵视频图像数据进行不断学习训练，最后达到识别拥堵的效果；基于浮动车数据的算法通过对路段上浮动车的交通参数进行计算分析，以判断路段的交通运行状况。

但是现有的基于图像识别的算法需要大量的图片数据和复杂的模型训练，且难以对未来的交通拥堵状态进行预测；基于浮动车数据的算法只适用于有浮动车数据的路段，在没有浮动车数据的路段，该方法失效。

发明内容

本申请的目的在于提供一种基于电警数据的交通拥堵状态快速识别预测方法，基于电警数据实现对交通拥堵状态的快速、准确识别与预测。

为实现上述目的，本申请所采取的技术方案为：

一种基于电警数据的交通拥堵状态快速识别预测方法，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。

以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。

作为优选，所述T1时刻和T2时刻满足以下关系：

T2＝2*T_congestion+T1