本发明涉及智能交通与流量预测，具体涉及一种重大活动期间场馆周边道路交通流量预测方法，具体来说是一种特殊情景下的交通流量预测的方法。
背景技术：
1、在当今城市化进程不断加速的背景下，交通拥堵问题成为了城市交通系统中的一个主要挑战，当举行重大活动时会吸引大量的流量，一定程度上造成周边道路拥堵。准确地预测交通流量变化，有助于合理规划交通资源和提供有效的交通管理方案。
2、现有的道路交通流量预测手段，无论是基于历史数据、统计模型或经验规则进行预测的传统方法，或是基于大数据人工智能技术，通过收集、分析和挖掘各种交通数据进行预测的方法，均无法全面的反应重大活动的特性，无法精准地对重大活动期间活动场馆周边道路的交通情况进行预测。
3、首先，重大活动期间的交通状况受到多种因素的影响，包括活动规模、参与人数、临时交通管制等，因此需要考虑这些特殊因素进行预测。其次，重大活动期间的交通数据可能比平常时期更加复杂和不规则，需要根据重大活动数据差异化特征对数据进行处理和分析。
技术实现思路
1、本发明的目的是：基于道路交通流量数据、活动场馆周边道路信息、活动类型、活动参与人数、活动场地信息、活动日期信息、活动主办方信息、活动门票价格等，通过主成分分析法对重大活动的各方面影响因素进行降维，筛选出几个对活动场馆周边交通流量影响较大的因素。再通过大数据回归分析为各影响因素赋予相应的权重值或权重函数。遍历全部历史活动信息，按影响因素的重要性从高到低依次迭代计算历史活动与预测活动的相似度，相似度越高则表示历史活动与预测活动越接近，预测结果越准。选择相似度最高的历史活动作为预测的基础，查询历史活动场馆周边道路信息、预测活动场馆周边道路信息、历史流量数据等关键信息作为预测的数据支撑。根据历史活动期间与非活动期间的流量变化比计算历史活动的时间影响范围，结合预测活动信息，锁定预测流量的时空范围，并通过流量变化曲线拟合、总流量分析、流量拆分、流量合并等流程，结合活动相似度进行最终流量预测。本发明的技术方案考虑了较为全面的影响因素，根据活动影响因素的重要性迭代计算活动相似度，并且从时间与空间两个维度考虑了活动对交通流量的影响范围，可以更加准确的预测重大活动期间活动场馆周边的交通流量。为交通管理部门和相关企事业单位提供更准确、实用的重大活动期间场馆周边交通流量预测技术，从而提高特定区域交通运行效率，减少交通拥堵，提升城市出行体验。
2、本发明的技术方案是提供了一种重大活动期间场馆周边道路流量预测方法，包括以下步骤：
3、根据需要预测的活动信息，读取历史活动信息库中的信息和场馆与周边路段的关联配置表，并提取影响因素；历史活动信息库中的信息包括场馆周边路段信息、路段小时流量历史数据以及重大活动信息，关联配置表关联配置表包括路段编号和路段名称；
4、在进行预测计算之前，基于大量历史活动数据对影响因素进行分析与降维，筛选出n个对活动期间交通流量影响最大的因素，并根据影响因素的数学特征，依次选取相对应的计算方法迭代计算活动相似度，将计算得到的活动相似度按照从大到小排序，取相似度最高的历史活动作为预测基础；若相似度最高的历史活动存在多个，则将多个历史活动作为多个预测基础；
5、根据所述预测基础的场馆周边流量数据和关联配置表作为预测依据，从时间维度和空间维度进行预测计算，若取相似度最高的历史活动作为预测基础，则预测计算得到的计算结果为预测结果，若将多个历史活动作为多个预测基础，则预测计算得到的多个计算结果进行融合后得到预测结果。
6、优选地，所述影响因素包括活动类型、活动参与人数、活动场馆位置、活动日期属性、活动持续天数、活动时间、活动主办方、活动门票和费用、活动安排和亮点、相关配套设施和服务、活动主题和口号、活动目的、活动形式、活动背景和历史、参与方式和报名流程以及媒体和宣传；
7、所述对活动期间交通流量影响最大的因素包括活动类型、活动日期属性、活动持续天数、活动时间、活动参与人数以及活动场馆位置。
8、优选地，所述计算活动相似度包括以下步骤：
9、在所述计算活动相似度时，当所述需要预测的活动信息与所述历史活动信息库中的信息为相同活动类型时，所述活动类型的相似度为1，否则为0.6；
10、当所述需要预测的活动信息与所述历史活动信息库中的信息为相同活动日期属性时，所述活动日期属性的相似度与所述活动类型的相似度相同，否则活动日期属性的相似度为所述活动类型的相似度与相似度折减值的差值；
11、所述活动持续天数的相似度计算公式如下：
12、
13、其中，d1为预测活动持续天数；d2为历史活动持续天数；
14、通过计算所述需要预测的活动信息与所述历史活动信息库中的信息的重叠时间，从而计算活动时间的重叠度o，进而得到活动时间的相似度，活动时间的相似度公式如下：
15、confidence活动时间＝confidence持续天数×o
16、所述活动参与人数的相似度公式如下：
17、
18、其中，nmin为参与人数少的活动人数；nmax为参与人数多的活动人数；
19、当所述需要预测的活动信息与所述历史活动信息库中的信息为相同活动场馆位置时，所述活动场馆位置的相似度为所述活动参与人数的相似度，否则为所述活动参与人数的相似度与0.9的乘积。
20、优选地，所述预测计算包括以下步骤：
21、查找所述关联配置表中，历史活动场馆周边路段编号及路段长度，并查询活动开始前预设时间至活动结束后预设时间的路段小时流量，以及同路段的相邻的同日期属性同时段小时流量；
22、以选中的历史活动作为预测基准，计算预测活动持续时间与历史活动持续时间的比值k：
23、
24、其中，end_timepre为预测活动结束时间；start_timepre为预测活动开始时间；end_timehis为历史活动结束时间；start_timehis为历史活动开始时间；
25、计算历史活动期间和非活动期间场馆周边区域选定时段的小时流量：
26、
27、
28、其中，为历史活动期间区域选定时间的小时流量；为历史非活动期间选定时间的小时流量；ld_volume_1h为选定时间的路段小时流量；
29、计算同小时活动流量增长比rh：
30、
31、记录活动开始前首次rh>1.2的时间为开始受活动影响的时间，计算此时距离活动开始时间的时间差t1；记录活动结束后最后一次rh>1.2的时间为结束受活动影响的时间，计算此时距离活动结束时间的时间差t2；
32、计算历史活动开始前t1时间至活动结束后t2时间的周边区域总流量s1；计算相邻同日期属性非活动同时段总流量s2；计算活动总流量增长比r＝s1/s2；计算活动期间小时流量分布率rt；
33、根据流量受活动影响的时间以及预测活动持续时间与历史活动持续时间的比值，计算预测活动受影响时间为活动开始前kt1小时到活动结束后kt2小时；
34、计算预测活动场馆周边区域路段，在最近的与预测活动日期同日期属性的同时段小时流量之和s3；计算预测活动受影响期间总流量spre＝r×s3；
35、将活动开始前kt1小时至活动结束后kt2小时划分为k个时间段切片，按历史活动小时流量分布率计算活动期间k个时间段切片的各时间段流量分布，得到预测切片流量spre_k；若kt1至kt2为非整小时数，则将spre_k分解为分钟流量spre_m，并按小时统计，以获得预测小时流量spre_h，此时预测结果为spre_h*confidence～spre_k*(2-confidence)之间。
36、本发明技术方案提出的一种重大活动期间场馆周边道路交通流量预测方法，通过综合考虑历史交通数据、特殊事件数据以及活动信息，能够提供更准确的交通流量预测结果。其技术创新点在于针对重大活动期间的特殊性，考虑了更为全面的影响因素，设计了一种关于活动相似度的判别方法，定义了活动对流量影响的时空范围，提供了一种更精确、可靠、智能化的交通流量预测解决方案。