[发明专利]一种高速公路的堵点治理方法、装置、设备和介质

权利要求书

1.一种高速公路的堵点治理方法，其特征在于：包括两级预测过程和堵点治理方案的构建过程；

所述两级预测过程包括：

一级单点预测：结合辖区高速公路的交通数据，通过机器学习中的随机森林算法实现对易堵点位的拥堵态势预测，得到辖区路网内各易堵点位的单点交通预测值；根据各所述单点交通预测值判断对应的易堵点位是否为拥堵点，若是，则启动二级路网预测，若否，则等待一个周期，进入下一轮的一级单点预测；

二级路网预测：逐一选择所述拥堵点周边有影响的易堵点位作为关联点，将所述关联点与所述拥堵点的距离，以及所述关联点和所述拥堵点的单点交通预测值和交通数据输入所述随机森林回归模型，根据所述交通拥堵指数得到拥堵点区域路网的整体拥堵态势的交通预测值，所述拥堵点区域路网由所述拥堵点及对应的关联点构成；

其中，所述交通数据包括历史拥堵数据、历史交通流量数据、历史天气数据、实时拥堵数据、实时交通流量数据和实时天气数据；所述易堵点位包括主线点位、匝道点位、收费站点位以及枢纽点位；

所述堵点治理方案的构建过程包括：

S31、对高速公路的拥堵事件进行特征点描述，所述特征点包括拥堵成因、拥堵程度和拥堵点位；所述拥堵成因包括道路施工、交通事故、大流量行车；所述拥堵程度为影响车道数与总车道数的比值；

S32、构建特征点描述的拥堵事件多维向量组；

S33、采用相关性匹配算法，对所述拥堵事件多维向量组与管控预案多维向量组进行特征点匹配，得到特征点匹配结果；

S34、根据特征点匹配结果获得“一点一策”的堵点治理方案。

2.根据权利要求1所述的方法，其特征在于：

所述一级单点预测具体包括下述步骤：

S11、特征数据的选取和交通拥堵指数的设定；

所述特征数据包括交通流量、车辆速度、车道数、车头间距、车头时距、天气状况、节假日因素；

所述交通拥堵指数是综合反映道路网交通运行状况的指标，根据所述交通拥堵指数的大小划分有不同的区间，每个区间对应一拥堵状态标签；

S12、构建随机森林回归模型，基于Bagging和Random Subspace方法随机抽取数据生成决策树，使每棵决策树具有不同的回归能力；

S13、将当前易堵点位的交通数据输入所述随机森林回归模型，实现对当前易堵点位的拥堵态势预测，根据设定的交通拥堵指数得到辖区路网内各易堵点位的单点交通预测值；

S14、根据各个单点交通预测值判断对应的易堵点位是否为拥堵点，若是，则启动二级路网预测，若否，则等待一个周期，回到步骤13，进入下一轮的一级单点预测；

所述二级路网预测具体包括下述步骤：

S21、特征数据的选取；

所述特征数据包括交通流量、车辆速度、车道数、车头间距、车头时距、天气状况、节假日因素、辖区路网内各单点间的距离以及所述辖区路网内各单点的交通预测值；

S22、构建随机森林回归模型，基于Bagging和Random Subspace方法随机抽取数据生成决策树，使每棵决策树具有不同的回归能力；

S23、逐一选择所述拥堵点周边有影响的易堵点位作为关联点，将所述关联点与所述拥堵点的距离，以及所述关联点和所述拥堵点的单点交通预测值和交通数据输入所述随机森林回归模型，根据所述交通拥堵指数得到拥堵点区域路网的整体拥堵态势的交通预测值，所述拥堵点区域路网由所述拥堵点及对应的关联点构成。