技术特征：
1.一种基于节假日拥堵预测算法的预警方法，其特征在于，包括以下步骤：数据获取及预处理步骤：获取交通数据集，并对获取的交通数据集进行预处理；融合分析步骤：将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，形成完整交通数据集；模型建立步骤：根据完整交通数据集，选择预设的数据粒度，并采用节假日拥堵预测算法进行空间相关性和时间相关性建模，建立st-gcn模型，并对建立的st-gcn模型进行训练，得到最优st-gcn模型，根据最优st-gcn模型预测交通拥堵路况；模型评估步骤：根据交通数据集中实际交通数据和预测的交通拥堵路况建立评估指标，根据评估指标并采用对比模型对st-gcn模型进行评估，验证st-gcn模型为最优模型；拥堵评估步骤：采用包括拥堵时空范围、拥堵点数量、拥堵团平均速度、拥堵团总交通运行指数值和/或平均拥堵时空频率的拥堵评价指标对验证为最优模型的st-gcn模型所预测的交通拥堵路况进行评估，评估出交通拥堵情况；信息展示步骤：通过高速公路上布设的情报板将交通拥堵情况进行展示并预警。2.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述模型评估步骤中，所述评估指标包括均方根误差、平均绝对误差和决定系数，所述均方根误差和平均绝对误差用于测量预测的平均车速与实际平均车速误差，所述决定系数用于衡量预测的平均车速结果所代表的实际平均车速能力。3.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述融合分析步骤中，所述时间特征包括预测点日期和预测点时刻，所述历史特征包括历史拥堵频率、历史平均交通运行指数值和历史拥堵团率，将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，融合入训练数据集中，形成完整交通数据集。4.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述模型建立步骤中，所述st-gcn模型由图卷积网络、长短期记忆网路和注意力机制三部分组成；首先根据网络构建的邻接矩阵、根据poi构建的功能相似矩阵以及使用预处理后的高速路网的实时和历史时间序列数据作为输入数据，并使用图卷积网络捕捉高速公路网络的拓扑结构以获得空间关联特征，再将得到的具有空间关联特征的时间序列输入到长短期记忆网路模型中，通过单元间的信息传递获得动态变化，以获取时间特征，然后通过全连接层和注意力机制计算输入数据对当前预测产生的影响，以得到预测交通拥堵路况。5.根据权利要求1所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述数据获取及预处理步骤中，所述预处理包括删除异常数据和重复数据，填补缺失数据，以及去除噪声和数据标准化。6.根据权利要求2所述的基于节假日拥堵预测算法的预警方法，其特征在于，所述模型评估步骤中，所述对比模型包括历史平均模型、自回归综合移动平均模型、支持向量机模型、长短期记忆单元模型、图卷积网络模型、前馈神经网络和扩散卷积循环神经网络的若干组合。7.一种基于节假日拥堵预测算法的预警系统，其特征在于，包括数据获取及预处理模块、融合分析模块、模型建立模块、模型评估模块、拥堵评估模块和信息展示模块，数据获取及预处理模块：获取交通数据集，并对获取的交通数据集进行预处理；融合分析模块：将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通
数据集进行融合，形成完整交通数据集；模型建立模块：根据完整交通数据集，选择预设的数据粒度，并采用节假日拥堵预测算法进行空间相关性和时间相关性建模，建立st-gcn模型，并对建立的st-gcn模型进行训练，得到最优st-gcn模型，根据最优st-gcn模型预测交通拥堵路况；模型评估模块：根据交通数据集中实际交通数据和预测的交通拥堵路况建立评估指标，根据评估指标并采用对比模型对st-gcn模型进行评估，验证st-gcn模型为最优模型；拥堵评估模块：采用包括拥堵时空范围、拥堵点数量、拥堵团平均速度、拥堵团总交通运行指数值和/或平均拥堵时空频率的拥堵评价指标对验证为最优模型的st-gcn模型所预测的交通拥堵路况进行评估，评估出交通拥堵情况；信息展示模块：通过高速公路上布设的情报板将交通拥堵情况进行展示并预警。8.根据权利要求7所述的基于节假日拥堵预测算法的预警系统，其特征在于，所述评估指标包括均方根误差、平均绝对误差和决定系数，所述均方根误差和平均绝对误差用于测量预测的平均车速与实际平均车速误差，所述决定系数用于衡量预测的平均车速结果所代表的实际平均车速能力。9.根据权利要求7所述的基于节假日拥堵预测算法的预警系统，其特征在于，所述时间特征包括预测点日期和预测点时刻，所述历史特征包括历史拥堵频率、历史平均交通运行指数值和历史拥堵团率；将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，融合入训练数据集中，形成完整交通数据集。10.根据权利要求7所述的基于节假日拥堵预测算法的预警系统，其特征在于，所述对比模型包括历史平均模型、自回归综合移动平均模型、支持向量机模型、长短期记忆单元模型、图卷积网络模型、前馈神经网络和扩散卷积循环神经网络的若干组合。
技术总结
本发明提供了一种基于节假日拥堵预测算法的预警方法及系统，该方法先获取交通数据集并进行预处理，将时间特征、历史特征、空间位置变量以及天气数据与预处理后的交通数据集进行融合，形成完整交通数据集，再选择预设的数据粒度并采用节假日拥堵预测算法建立ST-GCN模型进行训练，得到最优ST-GCN模型以预测交通拥堵路况，根据实际交通数据和预测的交通拥堵路况建立评估指标，采用对比模型对ST-GCN模型进行评估，验证其为最优模型，并采用特定的拥堵评价指标对所预测的交通拥堵路况进行评估，评估出交通拥堵情况，最后通过高速公路上布设的情报板将交通拥堵情况进行展示并预警，有效提高了高速公路的通行效率，高效准确预测节假日期间的交通流量趋势。日期间的交通流量趋势。日期间的交通流量趋势。
技术研发人员：徐延军 袁逸涛 李小军 周涛
受保护的技术使用者：中远海运科技股份有限公司
技术研发日：2022.05.16
技术公布日：2022/10/3