[发明专利]一种动态路网交通需求预测方法及其系统

摘要

本发明公开了一种基于动态路网的交通需求预测方法及其系统，本发明提供了一直采集并融合多源交通数据的方法，将交通流数据、地理信息数据、交通管理信息叠加到路网上，形成动态的网格数据，在动态路网数据基础上，建立数据预测模型，具有数据实时性高、准确度高等特点，能够有效的提高拥堵研判精度，从而为信号优化提供较为合理的交通需求数据(排队、流量、速度、占有率等)。该系统能够改善优化模型、缓解交通拥堵。

主权项

1.一种动态路网交通需求预测方法，其特征在于，该方法包括数据采集、数据预处理、数据预测及反馈三大步骤，其中，所述数据采集步骤，包括：S1.将采集到的地理信息数据写入地理信息数据库，将来自交通流检测设备的交通流数据写入交通流原始数据库，将来自第三方系统的交通管理信息数据写入交通管理信息库；并通过通讯链路将采集到的这几类数据分别传递到数据采集中心；所述数据预处理步骤，包括：S2.数据清洗，即，对所采集的交通流数据所处时间段、设备类型、设备位置进行异常识别，根据经验阈值进行清洗过滤；S3.数据弥合，即，对清洗过滤后的数据根据弥合规则进行数据弥合，以完善数据系列；S4.数据融合，即，根据设备特点及其埋设位置，将多种设备的采集数据进行像素级融合，形成虚拟化的断面交通流数据；S5.数据路网叠加，即，将融合后的断面交通流数据和交通管理数据叠加到道路网相关采集点，实时修正道路网的通行情况；所述数据预测及反馈步骤，包括：S6.建立数据预测模型，即，根据道路网两点之间的影响车辆行驶的信息构建路网动态模型；结合各采集点的交通流数据、交通管理信息构建交通需求预测模型；S7.评估数据预测模型，采用偏差分析法修正数据预测模型，以形成闭环学习；其中：S4中所述的像素级融合是指：先划分时段，并对不同时段中各类采集数据赋予一定权重值，然后按时段将各类采集数据融合到虚拟断面；所述划分时段按照季节、假日、工作日分别设定，所述虚拟断面数据包括流量LL(La)、速度SD(La)、占有率ZYL(La)、排队长度PDCD(La)进行融合；S5中所述数据路网叠加具体包括：首先对交通管理数据叠加，修正路网静态属性；然后叠加交通流数据，为预测模型准备初始数据；所述交通管理数据叠加包括修正管制、占道、事件所影响路段的通行属性，所述交通流数据叠加包括按照采集断面叠加在对应路段。