[发明专利]一种基于RFID数据的路口车辆分流量预测方法

摘要

本发明涉及一种基于RFID数据的路口车辆分流量预测方法，包括：步骤1、收集RFID数据；步骤2、数据预处理去除重复数据；步骤3、基于时间相位划分的车辆转向判别计算路口转向车流量；步骤4、提取特征构建特征集；步骤5、使用训练数据集训练预测模型；步骤6、以测试数据集作为预测模型输入预测其输出。本发明主要根据车辆的RFID数据，采用机器学习算法实现路口车辆分流量的预测，为智能交通信号灯的智能控制提供决策依据。

主权项

1.一种基于RFID数据的路口车辆分流量预测方法，其特征在于：主要步骤为：步骤1、收集车辆RFID数据；步骤2、数据预处理，去除重复和奇异数据；步骤3、以预处理后的数据为基础，基于时间相位划分方法判断路口车辆转向，并计算每个信号周期内路口各个方向车流量大小；步骤4、根据步骤3所计算得到的各个方向车流量大小再结合公有数据构建特征集，该特征集包含24个特征，每一个特征用一个字段表示，其中最后一个字段为标记字段，标识不同时间段下每个转向的车流量大小，所述公有数据包括天气、温度、日期和是否周末；步骤5、以步骤4所得数据作为训练集，使用机器学习算法训练一个预测路口各个方向车流量大小的预测模型；步骤6、对于需要预测的信号周期即当前信号周期的下一个周期，使用步骤4的方法构建一条特征数据，但是这条特征数据不包含最后一个标识车流量大小的字段，然后使用这条特征数据作为步骤5所训练的预测模型的输入，预测模型输出即为预测信号周期内对应方向的车辆分流量大小；步骤4中，特征集的构建过程为：步骤4.1、从时间序列出发充分考虑历史数据对预测周期的影响，f_t+1表示预测周期t+1某转向车流量大小，考虑预测周期前五个信号周期车流量大小：f_t、f_t‑1、f_t‑2、f_t‑3、f_t‑4；考虑预测结果与前一天相同时间段之间的关联性，选取前一天预测周期和预测周期前五个周期车流量大小：考虑预测结果与一周前相同时间段之间的关联性，选取一周前预测周期和预测周期前五个周期车流量大小：步骤4.2、考虑时间因素、天气因素、工作日因素和气温因素对预测结果的影响构建特征time、min_temp、max_temp、weather、weekday、month，分别代表预测周期小时数、预测日最低气温、预测日最高气温、预测日天气、预测工作日或周末和预测日月份；步骤4.3、结合步骤4.1和步骤4.2所选取的特征然后加上方向标识最终特征集包含24类字段。