一种交通拥堵预测方法及可视化方法
【专利摘要】本发明公开了一种交通拥堵预测方法及可视化方法，本发明利用出租车回传的GPS数据，通过地图匹配方法将GPS数据与电子地图上的道路相关联；根据匹配的数据计算路段速度，利用路段速度判断路段的交通状态；利用历史数据提取交通拥堵的演化规律，包括交通拥堵的形成和消散；关联实时交通信息库，利用滑动时间窗口机制进行交通拥堵预测；基于预测结果计算拥堵路段的拥堵强度，最后用热图表现拥堵路段的拥堵强度以及影响范围。本发明的预测方法可实现高准确率的拥堵预测，热力图可视化方法使得交通拥堵直观易懂，便于理解交通拥堵所在位置以及影响范围。
【专利说明】一种交通拥堵预测方法及可视化方法
【技术领域】
[0001] 本发明涉及交通领域，更具体地，涉及一种交通拥堵预测方法及可视化方法。
【背景技术】
[0002] 交通拥堵是影响人们日常出行质量和出行费用的关键性因素。交通拥堵预测是交 通拥堵管理研究的核心内容，准确实时的交通拥堵预测能够缓解交通阻塞，提高路网的通 行能力及路段速度。
[0003] 国内外学者对交通拥堵预测算法做了大量研究。其中一些学者选取车流量、占有 率、车流速度和车流密度作为参数，利用基于贝叶斯法则的学习算法，计算交通拥堵发生的 可能性。也有学者考虑流量、速度、占有率、平均车道流量等参数，运用最大熵模型训练得到 各参数的权重，从而预测交通拥堵。上述算法均考虑了多个参数，通过训练学习得到交通拥 堵所对应的参数组合。然而上述方法在预测拥堵时需要的输入参数过多，在实际应用中存 在很大的局限性，除了路段速度可以利用浮动车数据得到外，其他参数主要来源于线圈检 测器，存在安装成本大、安装维护困难等缺点。
[0004] 如以下几种预测方法：1)研究使用多参数状态估计方法比单个参数状态估计方 法更加合理，更符合实际情况。综合考虑交通流量、平均速度、密度3个参数，通过聚类方法 将三维参数转换为一维时间序列，采用BP神经网络进行短时交通状态的预测，然而聚类结 果容易受到原始数据的影响。2)基于神经网络的交通流状态模糊推理方法。但该方法的准 确率会随连续预测步数的增加而下降。3)考虑到交通状态本身具有模糊不确定性，提出基 于自适应模糊神经网络推理系统。该方法的交通状态被划分为4类，采用模糊C均值聚类 求出每种交通状态所对应的聚类中心，接着计算隶属度，隶属度最大所对应的交通状态即 为预测结果。然而模糊C均值聚类容易陷入局部最优，无法保证聚类中心能够很好地反映 交通状态的特征。
[0005] 为了方便对交通拥堵情况进行观察，有学者提出通过指数等方式来表达交通拥堵 情况。国内外学者大部分采用服务水平等级或0-10指数化的方式展现，最早美国1985年 道路通行能力手册（HCM)提出根据交通量，道路使用者的感觉将道路服务水平划分为A-F6 个等级；一些学者则定义交通拥堵指数的取值范围为0-10,值越大表示拥堵越严重。为了 表现区域（或道路）拥堵强度的变化情况，目前一些学者采用时序图表示局部区域拥堵强 度的变化规律。然而时序图只能反映某一区域、某一道路拥堵强度的时变规律，不能反映该 区域（该道路）对相邻区域（相邻道路）的影响。
【发明内容】
[0006] 为了克服现有技术的不足，本发明首先提出一种交通拥堵预测方法，本方法输入 的参数只有路段速度，路段速度可通过浮动车数据获得。相比于线圈检测器、视频等交通信 息采集手段，浮动车技术具有数据量大、覆盖面广、成本低等优点。
[0007] 本发明的又一目的是提出一种交通拥堵可视化方法，相对时序图不能反映区域 (道路）对周边路网的影响，本发明所提出的可视化方法是采用热力图表达交通拥堵的分 布，使得交通拥堵直观易懂，便于理解交通拥堵所在位置以及影响范围。
[0008] 为了实现上述目的，本发明的技术方案为：
[0009] -种交通拥堵预测方法，包括：
[0010] 采用浮动车获取GPS数据，通过地图匹配方法将GPS数据与电子地图上的道路相 关联；根据匹配的数据估算路段速度，利用路段速度判断路段的交通状态，所述交通状态包 括拥堵和畅通；
[0011] 利用历史交通状态信息构建交通拥堵模型；关联实时交通状态信息库进行交通拥 堵预测；
[0012] 交通拥堵模型包括交通拥堵模型I、交通拥堵模型II和交通拥堵模型III ;
[0013] 假设本周期中的一天交通状态与其上一周期同天的交通状态相似或相同，
[0014] 构建交通拥堵模型I具体方式为：将η个周期的交通状态作为训练样本进行训 练，统计每周期同一天t时刻出现拥堵的概率；
[0015] 目标路段在每周期同一天t时刻出现拥堵的概率：
【权利要求】
1. 一种交通拥堵预测方法，其特征在于，包括： 采用浮动车获取GPS数据，通过地图匹配方法将GPS数据与电子地图上的道路相关联； 根据匹配的数据估算路段速度，利用路段速度判断路段的交通状态，所述交通状态包括拥 堵和畅通； 利用历史交通状态信息构建交通拥堵模型；关联实时交通状态信息库进行交通拥堵预 测； 交通拥堵模型包括交通拥堵模型I、交通拥堵模型II和交通拥堵模型III ; 假设本周期中的一天交通状态与其上一周期同天的交通状态相同， 构建交通拥堵模型I具体方式为：将η个周期的交通状态作为训练样本进行训练，统 计每周期同一天t时刻出现拥堵的概率； 目标路段在每周期同一天t时刻出现拥堵的概率：
其中： <是指第i个路段t时刻出现拥堵的概率；vf是指第i个路段在第j个星期t 时刻的路段速度；ντ是拥堵状态判别阈值；是指第i个路段在第j个星期t时刻的交通 状态，0表示顺畅，1表示拥堵； 根据上述目标路段出现拥堵的概率判断交通状态； 构建交通拥堵模型II具体方式为：在训练样本中，统计目标路段在从t-Ι时刻的交通 状态演变到t时刻的交通状态时，相邻路段在t-Ι时刻的第一交通状态分布规律，所述相邻 路段是指与目标路段相邻的路段； 关联实时交通状态信息库进行交通拥堵预测；是根据第一交通状态分布规律获取目标 路段拥堵概率，再根据该目标路段出现拥堵的概率判断目标路段的交通状态； 构建交通拥堵模型III具体方式为： 在训练样本中，统计相邻路段从t-Ι时刻的交通状态演变到t时刻的交通状态时，该相 邻路段的上游路段在t-Ι时刻的第二交通状态分布规律，所述上游路段是指相邻路段的上 游的路段； 在训练样本中，统计相邻路段从t-Ι时刻的交通状态演变到t时刻的交通状态时，该相 邻路段的下游路段在t-Ι时刻的第三交通状态分布规律，所述下游路段是指相邻路段的下 游的路段； 在训练样本中，统计目标路段从t-Ι时刻的交通状态演变到t时刻的交通状态时，相邻 路段在t时刻的第四交通状态分布规律； 关联实时交通状态信息库进行交通拥堵预测；是根据第二交通状态分布规律获取t时 刻相邻路段拥堵概率，再根据该相邻路段的拥堵概率判断该相邻路段的交通状态；同时根 据第三交通状态分布规律获取t时刻相邻路段拥堵概率，再根据该相邻路段的拥堵概率判 断该相邻路段的交通状态，最后，根据由第二、三交通状态分布规律预测的t时刻相邻路段 的交通状态，以及第四交通状态分布规律获取t时刻目标拥堵路段概率，再根据该目标路 段的拥堵概率判断该目标路段的交通状态； 在对交通拥堵进行预测时，采用上述交通拥堵模型I、交通拥堵模型II或交通拥堵模 型III中任意一种模型或三种模型结合，采用三种模型结合时以多数原则来预测。
2. 根据权利要求1所述的交通拥堵预测方法，其特征在于，构建交通拥堵模中，从t-1 时刻的交通状态演变到t时刻的交通状态的演变过程为： t-i时刻的交通状态为拥堵时，t时刻的交通状态为拥堵或顺畅； t-i时刻的交通状态为顺畅时，t时刻的交通状态为拥堵或顺畅。
3. 根据权利要求1或2所述的交通拥堵预测方法，其特征在于，根据拥堵概率进行交通 状态判断，当拥堵概率大于等于50%时，则交通状态TSi为拥堵，否则为顺畅。
4. 根据权利要求3所述的交通拥堵预测方法，其特征在于，所述地图匹配方法具体为： 获取候选路段集，通过在定位点周围构建一个误差区域来筛选可能的匹配路段，也称为候 选路段；其中点到线匹配根据GPS点到各候选路段的距离及GPS点的航向确定匹配路段； 点序列匹配以拓扑连通性作为匹配合理性的约束条件，选取匹配权重总和最大的路段组合 作为最终的匹配序列。
5. 根据权利要求3所述的交通拥堵预测方法，其特征在于，根据匹配结果自适应选择 速度估算模型进行路段速度估算，采用的估算模型为：距离-时间模型、速度-时间梯形积 分模型、车辆跟踪模型或地点速度调和平均模型。
6. -种应用上述权利要求1至5任一项所述的交通拥堵预测方法的可视化方法，其特 征在于，是绘制交通拥堵强度的热力图，在绘制热力图之前，需要确定热点位置、热点影响 范围、交通拥堵强度衰减规律以及配色方案； 计算交通的拥堵强度q; 热点位置，热点的位置是沿路段分布，每个路段的起终点各设置一个热点，从路段起点 开始，每距离Μ米设置一个热点； 热点影响范围，热点的影响范围为半径Μ/2米的圆，以路段为单位，该路段的交通拥堵 强度平均分配到该路段的所有热点上；若路段的交通拥堵强度q小于该路段的热点数，则 随机分配到Q个热点上； 交通拥堵强度衰减规律，对于每个热点而言，以圆心为起点，交通拥堵强度随着离圆心 距离的增大而线性衰减； 配色方案，将交通拥堵强度划分为N个等级，相邻等级采用不同颜色标识。
7. 根据权利要求6所述的交通拥堵预测可视化方法，其特征在于，交通的拥堵强度Q 采用以下方式实现：
其中，Q为路段i的交通拥堵强度，X丨为拥堵判别函数，穹为路段i在第t个时间间隔 内的平均车速，VT为拥堵状态判别阈值，ai为路段i的车道数，/丨为路段i在第t个时间间 隔内的拥堵长度，st为第t个时间间隔的时长。
8. 根据权利要求6或7所述的交通拥堵预测可视化方法，其特征在于，所述配色方案是 将交通拥堵强度划分为5个等级，1表示交通拥堵强度最小，5表示交通拥堵强度最大。
9. 根据权利要求8所述的交通拥堵预测可视化方法，其特征在于，等级1-5所对应的颜 色是：透明（无色）一蓝色一红色一黄色一白色。
【文档编号】G08G1/052GK104157139SQ201410381904
【公开日】2014年11月19日 申请日期:2014年8月5日 优先权日:2014年8月5日
【发明者】何兆成, 叶伟佳 申请人:中山大学