[发明专利]一种基于浮动车数据的高速公路路况识别与预测方法

摘要

本发明公开了一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：基于原始GPS轨迹数据，进行数据预处理；基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；基于速度计算网格内的交通流参数，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；基于主成分分析的交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；基于k‑means的交通状态聚类分析，对不同交通状态进行识别；构建不同时间尺度的特征，建立基于长短期记忆神经网络LSTM的各交通状态量预测模型。本发明能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。

主权项

1.一种基于浮动车数据的高速公路路况识别与预测方法，其特征在于，包括如下步骤：(1)基于原始GPS轨迹数据，进行数据预处理；(2)基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；(3)基于步骤(2)中获得的各轨迹点的瞬时速度，以及各轨迹点的时间网格、空间网格编号，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；(4)针对步骤(3)获取的网格交通流参数，利用基于主成分分析的方法对交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；(5)基于降维后的交通流参数，利用k‑means算法进行交通状态聚类分析，对不同交通状态进行识别；(6)构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型。