[发明专利]一种基于用户反馈机制的交通拥堵概率预报的方法

摘要

本发明公开了基于用户反馈机制的交通拥堵概率预报的方法，包含了确定交通流影响因素系数的方法、确定交通流量的预测与修正的方法、确定使用概率预报交通拥堵的方法、确定了修正拥堵指数的方法四个步骤。该方法使用采用修正后的历史流量数据作为预测的基准流量，提高了交通流量的预测精度，为精确预报建立良好的基础。本发明方法由于考虑驾驶员对交通拥堵指数发布的反馈，对预报结果进行调整，预报准确度高、自适性强，具有很高的实用性。并且该方法计算了拥堵状态发生的概率，丰富了预报结果的形式，结果更加直接，拥堵预报模式更加新颖，提升了预报的可信程度，可为驾驶员的出行提供更加切实的参考。

主权项

1.一种基于用户反馈机制的交通拥堵概率预报的方法，具体步骤如下，其特征在于：步骤1，确定影响交通流的不同种类参数的系数，将参数分为常态影响因素对应的参数和特殊影响因素对应的参数，常态影响因素是指每天都会对所有路段交通流量产生影响的因素；特殊影响因素是指在某个特定时间段在某个地段产生影响的因素，不同种类参数的确定公式如下：其中，k为影响因素对交通量的影响的总系数，q′为历史流量的记录值，q0′为历史流量的基准值且不受影响因素影响的流量值，ki为每一种具体因素对流量的影响系数，ai为各因素之间对总系数k的权重，使用控制变量法，分别计算各个因素对应的ki的值，ai的确定使用经验法结合历史数据修正即可得到，从而计算可得各个因素对交通流量的影响大小；步骤2，交通流量的预测与修正，即预测基础交通流量和根据特殊影响因素的修正预测的流量，根据已经确定的参数对收集得到的历史交通流量进行去参数化处理，建立非节假日的基础流量数据库和节假日的基础流量数据库，预测时先判断预测的日期是否为节假日，若为节假日，则使用节假日基础流量数据库进行预测；反之，则用非节假日基础流量数据库进行预测，节假日和非节假日数据库的处理方法相同，这里使用去除影响因素干扰的历史数据，通过统计学模型得到预测时段的基础流量数据q0，根据历史数据中的流量q′以及影响因素对应的值，结合由上一步骤中求得的参数k的计算方法得到该历史数据对应的k值，计算无参数影响下的历史数据基准流量值的公式为：其中，q′为观测到的历史流量值，q0′为该时段的基准流量值，即不受影响因素影响的流量值，k为影响因素对交通量的影响的总系数，确定去参数化之后得到的历史流量数据基本只包含时间因素，所以使用时间统计模型计算预测时段的基准流量值q0＝f(q0′)，这里可采用使用广泛的指数平滑趋势模型计算q0，然后计算预测时段的对应的k值，即可得到预测时段的流量q＝q0*k；特殊情况对交通流量的影响的修正公式如下：Q＝q+qεi其中，q为预测得到的流量值，qεi为第i个特殊情况对应的流量修正值，qεi可根据历史数据，通过控制变量法求得；步骤3，使用概率预报交通拥堵，根据得到的拥挤度D，计算历史数据中查找相似情况下该路段的拥挤度，得到拥挤度集合{D}，然后计算拥挤度出现的概率，公式如下：P(D0)＝P(D0‑ε≤D≤D0+ε)其中D∈{D}，ε是计算拥挤度出现概率时可接受的V/C比的浮动范围，即在外部环境相同的情况下，预测路段出现该拥挤度的次数近似看作该情况下出现拥挤度为D0的概率为P(D0)；步骤4，使用迭代的方法修正拥堵指数，根据V/C比，将预测流量q0进行换算，与该条件下的道路的可能通行能力C计算求得V/C比，确定拥挤度D0＝V/C，通过计算求得用户选择行为影响下，改变的流量Δ|Q，修改预测流量Q0，得到流量Q1，根据流量及通行能力重新计算拥挤度D1，若D1≠D0+ε，则继续用拥挤度D1与匹配概率求得改变流量ΔQ，从而再次修改预测流量Q1，重新计算拥挤度D2，将D2与D1进行比较，以此类推，直到Dn≠Dn‑1+ε，则再次根据历史交通参数，得到出现Dn的概率，将拥挤度Dn和Dn出现的概率以及拥挤度Dn对应的交通特征等信息发布至驾驶员。