高速公路通行费损失的预测方法及系统与流程

本发明涉及智慧交通，具体涉及高速公路通行费损失的预测方法及系统。

背景技术：

1、高速公路路段会由于极端天气、意外事故、施工、日常养护等情况的发生进行道路管控，最常见的道路管控措施即为单向封道，这就会导致许多车辆改变原来的出行路线或者出行计划，例如绕行封道路段、在到达封道路段前驶离高速公路然后通过其他类型公路到达目的地或者直接采取其他交通工具出行，这些情况都会导致高速公路通行费的收益遭受较大的损失，而通行费又是维护和改善高速公路的重要资金来源，如果通行费的收益减少，高速公路管理部门可能无法充分投入资金进行路面维护、交通设施更新等工作，进而导致路况恶化和安全隐患增加。而且，通行费的收益减少一定程度上也会影响高速公路的投资回报率，进而产生公路网络的发展受限的不利影响。

2、然而，目前对于道路管控事件下高速公路通行费收益损失预测的研究仍然较少，其主要原因还是在于高速公路通行费收益损失的预测困难性，具体而言，预测高速公路通行费收益损失涉及到多个因素的复杂影响，包括管控措施的程度、交通流量变化、道路距离、通行费收费率等等，因此难以建立准确的高速公路通行费收益损失预测模型。

技术实现思路

1、针对上述技术问题，本发明提出了一种高速公路通行费损失的预测方法及系统，旨在提高高速公路通行费损失的预测准确性。

2、为此，本发明采用如下技术方案：高速公路通行费损失的预测方法，包括以下步骤：

3、步骤102，获取高速公路各个断面对于不同交通车型的历史通行费，记为历史通行费数据；

4、步骤104，对所述历史通行费数据进行预处理，得到历史无管控影响下的通行费数据以及历史管控影响下的通行费数据；

5、步骤106，基于所述历史无管控影响下的通行费数据，分别建立各个断面对于不同交通车型的通行费预测模型，确定各个断面对于不同交通车型的预测通行费；

6、步骤108，基于所述历史管控影响下的通行费数据以及各个断面对于不同交通车型的预测通行费，确定历史管控影响下的通行费收益损失；

7、步骤110，基于所述历史管控影响下的通行费收益损失，建立通行费损失预测模型，确定未来管控影响下的预测通行费损失。

8、本发明的构思为：首先，对高速公路各个断面对于不同交通车型的历史通行费进行预处理，将历史通行费数据分为历史无管控影响下的通行费数据以及历史管控影响下的通行费数据；其次，考虑到不同的高速公路断面可能具有不同的特征和交通流量，不同的交通车型面对高速公路路段单向封道的管控措施的驾驶行为也会有所不同，因此，基于历史无管控影响下的通行费数据，对高速公路各个断面分别建立对于不同交通车型的通行费预测模型，用以确定各个断面对于不同交通车型的预测通行费；然后，根据历史管控影响下的通行费数据以及通行费预测模型确定的各个断面对于不同交通车型的预测通行费，就能够确定历史管控影响下的通行费收益损失；接着，将这些历史管控影响下的通行费收益损失作为样本数据，建立通行费损失预测模型，用以确定未来管控影响下的预测通行费损失。

9、通过基于历史无管控影响下的通行费数据，对高速公路各个断面分别建立对于不同交通车型的通行费预测模型，充分考虑到不同的高速公路断面以及不同的交通车型在高速公路路段单向封道的管控措施下的影响，可以更加准确地预测各个断面的通行费情况，提供个性化的预测结果，同时，通过计算历史管控影响下的通行费收益损失，并以此作为样本数据建立通行费损失预测模型，实现对未来管控影响下的通行费损失进行更加客观准确的预测，从而为高速公路管理部门在未来封道管控时选择管控时间段提供科学依据，进而减少封道管控措施对于高速公路通行费收益损失的不利影响。

10、作为优选，步骤104中，对所述历史通行费数据进行预处理，得到历史无管控影响下的通行费数据以及历史管控影响下的通行费数据，包括：

11、获取历史管控事件的管控断面范围和管控时间范围；

12、基于所述历史通行费数据，对每个历史管控事件计算所述管控断面范围以及管控断面范围前后两个断面中的各个断面在所述管控时间范围以及预设影响持续时间内的通行费之和，得到每个历史管控事件的通行费数据，全部历史管控事件的通行费数据构成历史管控影响下的通行费数据；

13、将历史通行费数据中除所述历史管控影响下的通行费数据之外的通行费数据，记为历史无管控影响下的通行费数据。

14、作为优选，步骤106中，基于所述历史无管控影响下的通行费数据，分别建立各个断面对于不同交通车型的通行费预测模型，确定各个断面对于不同交通车型的预测通行费，包括：

15、采用prophet算法对所述历史无管控影响下的通行费数据进行拟合，得到各个断面对于不同交通车型的通行费趋势函数、通行费周期性函数和通行费受节假日影响函数的时间序列组合模型，记为各个断面对于不同交通车型的通行费预测模型，所述各个断面对于不同交通车型的通行费预测模型的输入为管控时间，输出为各个断面对于不同交通车型的预测通行费。

16、作为优选，步骤106中，基于所述历史无管控影响下的通行费数据，分别建立各个断面对于不同交通车型的通行费预测模型，确定各个断面对于不同交通车型的预测通行费，包括：

17、步骤302，将历史无管控影响下的通行费数据划分为训练集和验证集；

18、步骤304，预设若干个调参参数以及每个调参参数的取值范围，采用网格调参法对若干个调参参数的取值进行排列组合，得到若干组参数组合；

19、步骤306，使用一组参数组合，采用prophet算法对所述训练集进行拟合，得到各个断面对于不同交通车型的通行费趋势函数、通行费周期性函数和通行费受节假日影响函数的时间序列组合模型，记为各个断面对于不同交通车型的通行费预测模型；

20、步骤308，使用所述通行费预测模型对验证集进行通行费预测，得到相应的预测结果，并基于验证集以及相应的预测结果，确定当前参数组合对应的通行费预测模型的误差；

21、步骤310，使用下一组参数组合，并重复执行步骤306至步骤308，直至全部参数组合遍历完成，得到全部参数组合对应的通行费预测模型的误差；

22、步骤312，将所述全部参数组合对应的通行费预测模型的误差中误差值最小的参数组合作为优选参数组合，并将所述优选参数组合对应的通行费预测模型作为最终的各个断面对于不同交通车型的通行费预测模型。

23、作为优选，步骤108中，基于所述历史管控影响下的通行费数据以及各个断面对于不同交通车型的预测通行费，确定历史管控影响下的通行费收益损失，包括：

24、将所述历史管控影响下的通行费数据中每个历史管控事件对应的管控时间输入相应管控断面对于不同交通车型的通行费预测模型，得到每个历史管控事件对应的管控断面对于不同交通车型的预测通行费；

25、计算每个历史管控事件对应的管控断面对于不同交通车型的预测通行费之和，得到每个历史管控事件的预测通行费数据；

26、计算每个历史管控事件的预测通行费数据与相应历史管控事件的通行费数据之差，得到每个历史管控事件的通行费收益损失；

27、全部所述历史管控事件的通行费收益损失构成历史管控影响下的通行费收益损失。

28、作为优选，步骤110中，基于所述历史管控影响下的通行费收益损失，建立通行费损失预测模型，确定未来管控影响下的预测通行费损失，包括：

29、将所述历史管控影响下的通行费收益损失划分为原始训练集以及验证集；

30、选取部分历史无管控影响下的通行费数据，基于所述历史无管控影响下的通行费数据以及各个断面对于不同交通车型的预测通行费，确定部分历史无管控影响下的通行费收益损失；

31、将所述部分历史无管控影响下的通行费收益损失加入原始训练集，并将构建的新训练集记为第一训练集；

32、采用bootstrap采样法对所述第一训练集进行扩增，将扩增后的训练集记为第二训练集；

33、基于所述第二训练集，建立通行费损失预测模型，确定未来管控影响下的预测通行费损失。

34、作为优选，基于所述第二训练集，建立通行费损失预测模型，确定未来管控影响下的预测通行费损失，包括：

35、对所述第二训练集进行特征提取，得到若干个特征数据；

36、对所述特征数据进行重要性排序，选取排名前若干个特征数据作为第二训练集的输入特征；

37、建立通行费损失预测模型，使用第二训练集的输入特征训练所述通行费损失预测模型，得到训练后的通行费损失预测模型，所述训练后的通行费损失预测模型用于确定未来管控影响下的预测通行费损失。

38、作为优选，所述建立通行费损失预测模型，包括：

39、构建lightgbm回归模型，使用第二训练集训练所述lightgbm回归模型，将训练后的lightgbm回归模型记为第一预测模型；

40、使用所述第一预测模型对验证集进行通行费预测，得到相应的预测结果，记为第一预测结果；

41、基于验证集以及第一预测结果，确定第一预测模型在验证集中的均方根误差，记为第一均方根误差；

42、构建svr回归模型，使用第二训练集训练所述svr回归模型，将训练后的svr回归模型记为第二预测模型；

43、使用所述第二预测模型对验证集进行通行费预测，得到相应的预测结果，记为第二预测结果；

44、基于验证集以及第二预测结果，确定第二预测模型在验证集中的均方根误差，记为第二均方根误差；

45、基于所述第一均方根误差以及第二均方根误差，得到第一预测模型和第二预测模型的组合模型，记为通行费损失预测模型，所述通行费损失预测模型的输入为对未来管控事件提取的输入特征，输出为未来管控影响下的预测通行费损失。

46、作为优选，基于所述第一均方根误差以及第二均方根误差，得到第一预测模型和第二预测模型的组合模型，记为通行费损失预测模型，具体为：

47、

48、其中，py表示通行费损失预测模型输出的预测通行费损失，r1表示第一均方根误差，r2表示第二均方根误差，p1表示对未来管控事件提取的输入特征输入第一预测模型得到的预测结果，p2表示对未来管控事件提取的输入特征输入第二预测模型得到的预测结果。

49、高速公路通行费损失的预测系统，包括：

50、数据获取模块，用于获取高速公路各个断面对于不同交通车型的历史通行费，记为历史通行费数据；

51、数据预处理模块，用于对所述历史通行费数据进行预处理，得到历史无管控影响下的通行费数据以及历史管控影响下的通行费数据；

52、通行费预测模块，用于基于所述历史无管控影响下的通行费数据，分别建立各个断面对于不同交通车型的通行费预测模型，确定各个断面对于不同交通车型的预测通行费；

53、样本确定模块，用于基于所述历史管控影响下的通行费数据以及各个断面对于不同交通车型的预测通行费，确定历史管控影响下的通行费收益损失；

54、通行费损失预测模块，用于基于所述历史管控影响下的通行费收益损失，建立通行费损失预测模型，确定未来管控影响下的预测通行费损失。

55、本发明的有益技术效果至少包括：采用一种高速公路通行费损失的预测方法及系统，通过基于历史无管控影响下的通行费数据，对高速公路各个断面分别建立对于不同交通车型的通行费预测模型，充分考虑到不同的高速公路断面以及不同的交通车型在高速公路路段单向封道的管控措施下的影响，可以更加准确地预测各个断面的通行费情况，提供个性化的预测结果，同时，通过计算历史管控影响下的通行费收益损失，并以此作为样本数据建立通行费损失预测模型，实现对未来管控影响下的通行费损失进行更加客观准确的预测，从而为高速公路管理部门在未来封道管控时选择管控时间段提供科学依据，进而减少封道管控措施对于高速公路通行费收益损失的不利影响。

56、本发明的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。