一种流量-速度匹配模型及行程时间预测方法及系统的制作方法
【专利摘要】本发明提供一种流量-速度匹配模型及行程时间预测方法及系统，包括计算路段的理论行程时间和车流平均速度；计算所述理论行程时间与实测行程时间之间的误差，根据误差对车流平均速度反馈调节，并更新对应路段流量-速度数据；重复上述步骤，直到误差小于预设阈值，则保存为流量-速度匹配模型；可直接通过预测流量在流量-速度匹配模型中进行匹配，从而获取平均速度，再根据平均速度计算行程时间。本方案利用交通波原理计算行程时间，并对平均速度进行反馈调节，不断修正计算结果，更新流量-速度匹配模型；行程时间预测方法简单，同时在进行行程时间预测的过程中可动态丰富优化流量-速度匹配模型，使预测模型精度更高。
【专利说明】一种流量-速度匹配模型及行程时间预测方法及系统
【技术领域】
[0001]本发明涉及一种流量-速度匹配模型及行程时间预测方法及系统，具体是一种使用速度反馈调节方法建立流量-速度匹配模型，再使用流量-速度匹配模型对城市道路间断流行程时间进行预测的方法。属于交通控制【技术领域】。
【背景技术】
[0002]城市交通状况是否良好直接影响着城市经济的发展。尽快、有效地治理交通堵塞已成为许多城市亟待解决的问题。交通流诱导系统是缓解城市道路交通拥堵，调节城市路网交通流朝着均衡分布方向发展的重要手段，而建立交通流诱导系统的关键是要能较为精确地预测未来一段时间内车辆在路段上的行驶时间。因此，对城市交通流路段行程时间预测方法的研究有着重要的意义。
[0003]目前根据行程时间预测研究对象的不同主要分为高速公路行程时间预测、快速路行程时间预测和城市道路行程时间预测。高速公路和快速路的交通流属于连续流，而由于路网中信号灯的作用以及城市交叉口道路交通形成的复杂性，使得城市道路间断流行程时间预测相对高速路或快速路连续流行程时间预测来说要复杂的多，因此，应该根据高速公路、快速路和城市道路间断交通流各自的特点选择合适的行程时间预测方法。
[0004]目前城市道路间断流行程时间预测的方法主要有卡尔曼滤波、非参数回归模型、神经网络等。卡尔曼滤波的权值在每次计算时需要调整，计算量大，模型适应性不强；非参数回归模型所需参数较多，在行程时间预测上应用较少；神经网络需要大样本训练，数据不足导致预测效果差。上述方法所需参数较多，计算较复杂；或者计算简单，但预测精度稍差。
【发明内容】
[0005]为此，本发明所要解决的技术问题在于现有的城市道路间断流行程时间预测方法所需参数较多，计算较复杂；或者计算简单，但预测精度稍差，从而提出一种流量-速度匹配模型，并使用该模型的城市间断流行程时间预测方法及系统。
[0006]为解决上述技术问题，本发明的技术方案如下:
[0007]一种流量-速度匹配模型的建立方法，包括:
[0008]计算路段的理论行程时间和车流平均速度；
[0009]计算所述理论行程时间与实测行程时间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据；
[0010]重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型。
[0011]所述“计算路段的理论行程时间”的过程为:
[0012]采集所述路段的车流量、阻塞密度及饱和流量；
[0013]根据所述路段的车流量、阻塞密度及饱和流量计算集结波和消散波；
[0014]根据所述集结波和所述消散波判断每辆车的行驶状态；[0015]根据所述每辆车的行驶状态计算单位时间内进入路段的车辆的平均行驶时间，作为所述路段的理论行程时间。
[0016]所述“根据所述每辆车的行驶状态计算单位时间内进入路段的车辆的平均行驶时间”的过程为:
[0017]根据单位时间内进入所述路段的每辆车的行驶状态计算每辆车的行驶时间；
[0018]将每辆车的行驶时间相加后再计算平均值，作为所述单位时间内进入路段的车辆的平均行驶时间。
[0019]所述“根据所述误差对所述车流平均速度进行反馈调节”的过程为:
[0020]所述理论行程时间大于所述实测行程时间时，若所述路段的车流平均速度小于预设的最大平均速度，则增大所述平均速度；否则取所述最大平均速度为所述车流平均速度；
[0021]所述理论行程时间小于所述实测行程时间时，若所述路段的车流平均速度大于预设的最小平均速度，则减小所述平均速度；否则取所述最小平均速度为所述车流平均速度。
[0022]所述预设阈值额取值范围为3%?15%。
[0023]一种使用所述流量-速度匹配模型的建立方法的流量-速度匹配模型的建立系统，包括:
[0024]用于计算路段的理论行程时间和车流平均速度模块；
[0025]用于计算所述理论行程时间与实测行程时间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据模块；
[0026]用于重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型模块。
[0027]一种行程时间预测方法，包括:
[0028]预测待测路段的车流量；
[0029]将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度；
[0030]根据所述车流平均速度计算所述待测路段的行程时间。
[0031]所述“将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度”的过程为:
[0032]根据所述车流量与预设的流量区间进行匹配，获取对应的预设流量区间平均速度作为所述待测路段的车流平均速度。
[0033]所述“将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度”的过程为:
[0034]采用聚类分析方法将所述车流量与所述速度-流量匹配模型进行匹配，再将获得的速度加权平均后作为所述路段的车流平均速度。
[0035]所述的行程时间预测方法，还包括根据实际测得的时间与计算得到的时间之差对速度进行反馈调节，并将调节后的流量-速度数据存入流量-速度匹配模型。
[0036]一种使用所述行程时间预测方法的行程时间预测系统，包括:
[0037]用于预测待测路段的车流量模块；
[0038]用于将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度模块；
[0039]用于根据所述车流平均速度所述待测路段的行程时间模块。
[0040]本发明的上述技术方案相比现有技术具有以下优点:
[0041](I)本发明提供一种流量-速度匹配模型的建立方法，包括计算路段的理论行程时间和车流平均速度；计算所述理论行程时间与实测行程时间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据；重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型。本方案利用交通波原理计算行程时间，并对平均速度进行反馈调节，不断修正计算结果，更新流量-速度匹配模型；行程时间预测方法简单，同时在进行行程时间预测的过程中可动态丰富优化流量-速度匹配模型，使预测模型精度更高。
[0042](2)本发明提供一种流量-速度匹配模型的建立方法，利用交通波原理判断每辆车的行驶状态，交通车流和一般流体一样，当遇到瓶颈时车流就会发生集结拥挤，车速降低，好像水流遇到障碍物时产生相反波阻止车流前进，当瓶颈消失后，车流将增大，车速也逐渐增大。该理论形象科学合理，能更好的判断车辆的行驶状态。
[0043](3)本发明提供一种流量-速度匹配模型的建立方法，根据所述理论行程时间与所述实测行程时间之差对所述平均速度进行反馈调节，并进行最小平均速度和最大平均速度限制，使得平均速度更加接近车流的平均速度。
[0044](4)本发明提供一种流量-速度匹配模型的建立系统，该系统使用上述流量-速度匹配模型的建立方法，通过采集实际路段的车流量，利用交通集散波原理计算路段的行程时间和车流平均速度，并对平均速度进行反馈调节，不断的修正优化，使得车辆的平均速度更接近实际的车流平均速度，在进行流量-速度匹配时，可根据流量匹配相应的速度，计算量小，预测精度高。
[0045](5)本发明提供一种行程时间预测方法，根据采集到的路段车流量直接与流量-速度匹配模型进行匹配，得到路段相应的平均速度，在进行时间预测时选取的参数少，计算量小，响应速度快，同时预测精度高。
[0046](6)本发明提供一种行程时间预测方法，还包括根据实际测得的时间与计算得到的时间之差对速度进行反馈调节，将调节后的速度数据与流量存入流量-速度匹配模型。在预测的过程中可不断优化流量-速度匹配模型，同时也将新的路段的流量-速度数据添加到所述流量-速度匹配模型中，丰富了该模型。
[0047](7)本发明提供一种行程时间预测系统，使用所述行程时间预测方法，根据采集到的路段车流量直接与流量-速度匹配模型进行匹配，得到路段相应的平均速度，在进行时间预测时选取的参数少，计算量小，响应速度快，同时预测精度高。
[0048]为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
[0049]图1是本发明一个实施例的一种流量-速度匹配模型的建立方法流程图；
[0050]图2是本发明一个实施例的一种行程时间预测方法流程图；
[0051]图3是本发明一个实施例的一种行程时间预测方法的交叉路口及路段图；
[0052]图4是本发明一个实施例的一种流量-速度匹配模型的建立方法中车辆行驶状态示意图；[0053]图5是本发明一个实施例的一种流量-速度匹配模型的建立方法中车辆运行状态时空图；
[0054]图6是本发明一个实施例的一种流量-速度匹配模型的建立方法中两种交通密度车辆的运行状态示意图；
[0055]图7是本发明一个实施例的一种流量-速度匹配模型的建立方法中集结波示意图；
[0056]图8是本发明一个实施例的一种流量-速度匹配模型的建立方法中消散波示意图；
[0057]图9是本发明一个实施例的一种流量-速度匹配模型的建立方法中集散波速示意图。
【具体实施方式】
[0058]实施例一
[0059]本实施例提供一种流量-速度匹配模型的建立方法，其流程图如图1所示，具体包括这步骤如下:
[0060](I)计算路段的理论行程时间和车流平均速度，并对所述行程时间和所述车流平均速度进行存储。所述获取所述路段的行程时间具体过程包括:
[0061]①采集所述路段的车流量、阻塞密度及饱和流量，可采用本领域熟知的现有技术手段获取。
[0062]②根据所述路段的车流量和密度计算集结波和消散波。如图3所示，在路段上行驶的一列车队在交叉口遇到红灯后，车辆停车排队路段上的车流密度逐渐增高，绿灯开启后，排队的车辆依次启动，路段上车流密度逐渐降低。在一个红绿灯周期内，车流中的密度先由低到高，再由高到低，车流中这两种不同密度的分界面会形成车流波动向车队后部传播，车辆沿道路向后传播的速度被称为波速，所形成的交通波被称为集散波。
[0063]将集散波的形成过程通过车辆运行状态时空图表示如图5所示:假设一列车队长度为，在图5的区域I内车速高而密度低，进入区域II后，车速降低，密度增大，进入区域III后，车速回升，密度降低。在图中用虚线OA表示车流密度改变的区域分界线，虚线代表车流沿分界线向与车流运行相反的方向传播，斜率代表波的速度，虚线OA和OB是不同车流密度的分界线，OA代表密度由低到高，OB代表密度由高到低，在这两种界面上产生的车流波被称作集结波和消散波。集结波即停止波，消散波即启动波。
[0064]③根据所述集结波和所述消散波判断每辆车的行驶状态，所述行驶状态包括停止和行驶两种状态。所述流行驶状态的判断方法:首先，假设第一辆车进入路段的时刻为预测初始时刻，计算得出车辆以平均速度到达停止线的时间；根据该时间判断车辆遇到红绿灯的情况，若遇到红灯，则车辆停车等待，并判断几辆车在阻塞区域内；若遇到绿灯，车辆直行通过；重复以上过程，判断下一辆车到达停止线处所处红绿灯情况，若处于绿灯范围内，但却在上一信号周期红灯阻塞车辆内，则车辆停车等待，否则直行通过。如图4所示，在图四中横坐标表示时间，纵坐标表示路段长度，斜直线表示车辆的运行速度，斜虚线包括的范围内横线表示车辆的停车等待时间。
[0065]本实施例利用交通集散波原理判断每辆车的行驶状态，交通车流和一般流体一样，当遇到瓶颈时车流就会发生集结拥挤，车速降低，好像水流遇到障碍物时产生相反波阻止车流前进，当瓶颈消失后，车流将增大，车速也逐渐增大。该理论形象科学合理，能更好的判断车辆的行驶状态。
[0066]④根据所述每辆车的行驶状态计算单位时间内进入路段的车辆的平均行驶时间，具体方式为根据单位时间内进入所述路段的每辆车的行驶状态计算每辆车的行驶时间；将每辆车的行驶时间相加后再计算平均值，作为所述单位时间内进入路段的车辆的平均行驶时间。
[0067]将最终获得的平均行驶时间作为所述路段的理论行程时间。
[0068](2)计算所述理论行程时间与实测行程时间之间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据。具体过程为:①所述理论行程时间大于所述实测行程时间时，并且所述路段的平均速度小于预设的最大平均速度，则增大所述平均速度；否则取所述最大平均速度为所述平均速度所述理论行程时间小于所述实测行程时间时，并且所述路段的平均速度大于预设的最小平均速度，则减小所述平均速度；否则取所述最小平均速度为所述平均速度。
[0069]本实施例根据所述理论行程时间与所述实测行程时间之差对所述平均速度进行反馈调节，并进行最小平均速度和最大平均速度限制，使得平均速度更加接近车流的平均速度。
[0070](3)重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型，所述预设阈值的范围为3%?15%，本实施例中的阈值为10%，在其他的实施方式中也可以根据实际需求以及交通状况进行设置。
[0071]本实施例提供的方案利用交通波原理计算行程时间，并对平均速度进行反馈调节，不断修正计算结果，更新流量-速度匹配模型；行程时间预测方法简单，同时在进行行程时间预测的过程中可动态丰富优化流量-速度匹配模型，使预测模型精度更高。
[0072]实施例二
[0073]本实施一种使用流量-速度匹配模型的建立方法的流量-速度匹配模型的建立系统，包括:
[0074]用于计算路段的理论行程时间和车流平均速度模块；
[0075]用于计算所述理论行程时间与实测行程时间之间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据模块；
[0076]用于重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型模块。
[0077]本实施例提供的一种流量-速度匹配模型的建立系统，使用所述流量-速度匹配模型的建立方法，利用交通波原理计算行程时间，并对平均速度进行反馈调节，不断修正计算结果，更新流量-速度匹配模型；行程时间预测方法简单，同时在进行行程时间预测的过程中可动态丰富优化流量-速度匹配模型，使预测模型精度更高。
[0078]实施例三
[0079]本实施例提供一种行程时间预测方法，其流程图如图2所示，具体包括如下步骤:
[0080](I)预测待测路段的车流量。所述预测方法可采用本领域技术人员熟知的时间序列法、历史趋势法、神经网络、卡尔曼滤波法等方法中的一种，或采用其中几种方法组合预测，根据实际路段及需求进行选择。
[0081](2)将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度，所述匹配的过程为:根据所述车流量与预设的流量区间进行匹配，获取对应的预设流量区间平均速度作为所述待测路段的车流平均速度。在对交通状态不进行分类细化的情况下匹配的过程简单快捷，计算量小，易于实现。
[0082]作为可替换的实施例，所述匹配的过程为:采用聚类分析方法将所述车流量与所述速度流量匹配模型进行匹配，再将获得的速度加权平均后作为所述路段的车流平均速度。对交通状态类型进行更好地分类细化，使平均速度更加接近于实际路段的速度，使得行程时间的预算更加精确。
[0083](3)根据所述车流平均速度计算所述待测路段的行程时间。根据路段采集的流量q，以及q = ku得出路段车队的平均速度为U，集结波速度为消散波速度为w2，车队以等间距进入路段，则直线u与直线W2分别相交于tn、t2i，如图9所示，则有:
[0084]
【权利要求】
1.一种流量-速度匹配模型的建立方法，其特征在于，包括: 计算路段的理论行程时间和车流平均速度； 计算所述理论行程时间与实测行程时间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据； 重复上述步骤，直到所述理论行程时间与所述实测行程时间的误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型。
2.根据权利要求1所述的流量-速度匹配模型的建立方法，其特征在于，所述“计算路段的理论行程时间”的过程为: 采集所述路段的车流量、阻塞密度及饱和流量； 根据所述路段的车流量、阻塞密度及饱和流量计算集结波和消散波； 根据所述集结波和所述消散波判断每辆车的行驶状态； 根据所述每辆车的行驶状态计算单位时间内进入路段的车辆的平均行驶时间，作为所述路段的理论行程时间。
3.根据权利要 求2所述的流量-速度匹配模型的建立方法，其特征在于，所述“根据所述每辆车的行驶状态计算单位时间内进入路段的车辆的平均行驶时间”的过程为: 根据单位时间内进入所述路段的每辆车的行驶状态计算每辆车的行驶时间； 将每辆车的行驶时间相加后再计算平均值，作为所述单位时间内进入路段的车辆的平均行驶时间。
4.根据权利要求1-3任一所述的流量-速度匹配模型的建立方法，其特征在于，所述“根据所述误差对所述车流平均速度进行反馈调节”的过程为: 所述理论行程时间大于所述实测行程时间时，若所述路段的车流平均速度小于预设的最大平均速度，则增大所述平均速度；否则取所述最大平均速度为所述车流平均速度； 所述理论行程时间小于所述实测行程时间时，若所述路段的车流平均速度大于预设的最小平均速度，则减小所述平均速度；否则取所述最小平均速度为所述车流平均速度。
5.根据权利要求1所述的流量-速度匹配模型的建立方法，其特征在于，所述预设阈值额取值范围为3%~15%。
6.一种使用权利要求1-5所述的流量-速度匹配模型的建立方法的流量-速度匹配模型的建立系统，其特征在于，包括: 用于计算路段的理论行程时间和车流平均速度模块； 用于计算所述理论行程时间与实测行程时间之间的误差，根据所述误差对所述车流平均速度进行反馈调节，并更新对应所述路段流量-速度数据模块； 用于重复上述步骤，直到所述理论行程时间与所述实测行程时间误差小于预设阈值，则将所述流量-速度数据保存为流量-速度匹配模型模块。
7.一种行程时间预测方法，其特征在于，包括: 预测待测路段的车流量； 将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度； 根据所述车流平均速度计算所述待测路段的行程时间。
8.根据权利要求7所述的行程时间预测方法，其特征在于，所述“将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度”的过程为: 根据所述车流量与预设的流量区间进行匹配，获取对应的预设流量区间平均速度作为所述待测路段的车流平均速度。
9.根据权利要求7或8所述的行程时间预测方法，其特征在于，所述“将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度”的过程为: 采用聚类分析方法将所述车流量与所述速度-流量匹配模型进行匹配，再将获得的速度加权平均后作为所述路段的车流平均速度。根据权利要求7-9任一所述的行程时间预测方法，其特征在于:还包括根据实际测得的时间与计算得到的时间之差对速度进行反馈调节，并将调节后的流量-速度数据存入流量-速度匹配模型。
10.一种使用权利要求7-9所述行程时间预测方法的行程时间预测系统，其特征在于，包括: 用于预测待测路段的车流量模块； 用于将所述车流量与所述流量-速度匹配模型进行匹配，获得所述待测路段的车流平均速度模块； 用于根据所述车流平均速度所述待测路段的行程时间模块。
【文档编号】G08G1/052GK103996289SQ201410250605
【公开日】2014年8月20日 申请日期:2014年6月6日 优先权日:2014年6月6日
【发明者】刘小明, 张金金 申请人:北方工业大学