本发明涉及交通流量预测,尤其是涉及一种交通流量数据预测处理的方法及系统。
背景技术:
1、随着智能交通系统的发展,交通预测越来越受到重视,交通预测是现代交通管理系统的关键要素,是实现交通规划、管理和控制的重要组成部分。交通预测是对城市道路进行分析的过程,包括分析交通流量、速度和密度,寻找交通模式,预测趋势和其他交通状况,交通流量预测不仅能提前发现交通拥堵、限制交通,为交通管理提供科学依据,还能让城市居民选择合适的交通路线,提高出行效率,从而保障交通安全,然而,由于其复杂的时空相关性,交通流量预测一直是一项具有挑战性的任务。
2、为了解决以上问题,公开号为cn115862319a的中国发明专利提出一种面向时空图自编码器的交通流量预测方法,包括:步骤1:使用改进的ha-rts算法平滑处理给定的交通流样本数据;步骤2:由encode层对步骤1处理的交通流样本数据进行编码,编码是指各模块通过参数学习将输入数据输出为包含了预测信息的隐藏特征;步骤3:由多层注意力网络模块、记忆门控卷积模块和全连接层构建的decode层对步骤2的encode层中得到的隐藏特征解码为预测值,由此得到交通流量预测结果。本发明集成了多层注意力神经网络和门控记忆卷积神经网络,并去除了模型训练中所受观测噪声影响。有效地提高交通流量预测的准确性和鲁棒性,解决了交通流时空依赖性建模复杂困难的问题。
3、该一种面向时空图自编码器的交通流量预测方法虽然进行了数据的平滑处理和异常修复,但具体是用一天中交通流量的平均值进行填充,理论上只是能减小误差,实际的准确性并不高。
技术实现思路
1、本发明主要是解决现有技术中交通流量时空相关性复杂导致的交通流量预测准确性不高的问题,提供了一种交通流量数据预测处理的方法及系统。
2、本发明的上述技术问题主要是通过下述技术方案得以解决的:
3、一种交通流量数据预测处理的方法,包括以下步骤:
4、s1、获取路口参数及历史流量数据;
5、s2、对数据进行平滑融合,并预测异常时段流量;
6、s3、判断历史方案是否满足车辆放行需求;
7、s4、输出时段、周期和各相位绿灯时长。
8、作为一种优选方案,所述平滑融合包括以下步骤:
9、s2.1、对历史数据进行平滑融合;
10、s2.2、对当天数据进行平滑。
11、作为一种优选方案,对历史数据的平滑融合按工作日和周末进行,包括以下步骤:
12、s2.1.1、平滑前k周的流量数据:
13、
14、式中:qt,k表示前k周中,第t个历史过车流量数据;表示前k周t时刻历史平滑数据;
15、s2.1.2、融合同类别数据,按周内和周末划分前k周平滑流量数据,分别计算得到前k周周内流量均值及周末流量均值。
16、作为一种优选方案,对当天数据进行平滑的公式为:
17、
18、式中:qt表示当天第t个过车流量数据;qt为当日平滑数据。
19、作为一种优选方案,所述预测异常时段流量是根据历史流量变化趋势及异常发生前的流量数据,预测异常发生后的流量数据
20、
21、式中:表示t时刻的历史流量均值数据,反映了历史数据中t-1时刻至t时刻的流量平均变化趋势,表示t时刻异常发生后,t+i时刻的流量预测值,指定i=0,1,2预测异常发生时间段内的流量数据,得到异常发生后总流量数据
22、
23、作为一种优选方案,判断历史方案是否满足车辆放行需求是使用预测流量数据(n为进口道总数)取代缺失的检测数据,计算周期内平均到达率
24、
25、
26、式中:mp为周期内流向p的平均来车数,为流向为p的车道中出现的最大流量,t为历史方案信号周期,单位为s,则该相位放行车辆所需绿灯时间为
27、g0,p=2.1xp+3.7
28、式中:xp为平均到达率m在置信度95%下的周期内来车数。
29、作为一种优选方案,若历史信号配时方案中存在某一相位p,该相位预置绿灯时间认为历史方案无法满足车辆放行要求,则重新计算方案,若对任意相位p配时方案均有认为历史方案可以满足需求,则进行步骤s4输出时段、周期和各相位绿灯时长。
30、作为一种优选方案,所述重新计算方案包括以下步骤:
31、s3.1、输入流量预测数据,估计小时车道平均流量;
32、s3.2、根据路口小时车道平均流量与周期的匹配关系,确定路口信号周期;
33、s3.3、确定绿信比和绿灯时间;
34、s3.4、计算最小绿灯时间和最大绿灯时间,判断计算方案是否满足要求。
35、一种交通流量数据预测处理的系统,包括通过无线通信连接的监测端和处理端,所述监测端包括安装在交通灯控制箱上的故障检测传感器和安装在交通路口的摄像头组,所述处理端包括用于监接收交通数据的接收模块、用于储存接收到的交通数据的储存模块和用于处理接收到的交通数据的计算模块。
36、作为一种优选方案,所述计算模块内设有用于判断所述计算模块计算出的离线信号方案是否满足要求的ai判断单元,对验证修改,可以进一步提高结果的准确性。
37、因此,本发明的优点是:
38、本发明通过历史数据计算流量的变化趋势,预测出异常数据原本的流量,最终得到的结果会更加精确,而且还对最终得到的结果进行验证修改,进一步提高了预测结果的准确性。
1.一种交通流量数据预测处理的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种交通流量数据预测处理的方法,其特征在于,所述平滑融合包括以下步骤:
3.根据权利要求2所述的一种交通流量数据预测处理的方法,其特征在于,对历史数据的平滑融合按工作日和周末进行,包括以下步骤:
4.根据权利要求3所述的一种交通流量数据预测处理的方法,其特征在于,对当天数据进行平滑的公式为:
5.根据权利要求4所述的一种交通流量数据预测处理的方法,其特征在于,所述预测异常时段流量是根据历史流量变化趋势及异常发生前的流量数据,预测异常发生后的流量数据
6.根据权利要求5所述的一种交通流量数据预测处理的方法,其特征在于,判断历史方案是否满足车辆放行需求是使用预测流量数据(n为进口道总数)取代缺失的检测数据,计算周期内平均到达率
7.根据权利要求1至6任一项所述的一种交通流量数据预测处理的方法,其特征在于,若历史信号配时方案中存在某一相位p,该相位预置绿灯时间认为历史方案无法满足车辆放行要求,则重新计算方案,若对任意相位p配时方案均有认为历史方案可以满足需求,则进行步骤s4输出时段、周期和各相位绿灯时长。
8.根据权利要求1所述的一种交通流量数据预测处理的方法,其特征在于,所述重新计算方案包括以下步骤:
9.一种交通流量数据预测处理的系统,其特征在于,包括通过无线通信连接的监测端和处理端,所述监测端包括安装在交通灯控制箱上的故障检测传感器和安装在交通路口的摄像头组,所述处理端包括监接收交通数据的接收模块、储存接收到的交通数据的储存模块和处理接收到的交通数据的计算模块。
10.根据权利要求9所述的一种交通流量数据预测处理的系统,其特征在于,所述计算模块内设有用于判断所述计算模块计算出的离线信号方案是否满足要求的ai判断单元。