一种基于动态交通信息的道路交通分级预警方法

摘要

本发明属于城市交通大数据挖掘技术领域，具体涉及一种基于动态交通信息的道路交通分级预警方法。本方法包括以下步骤：获取路段平均速度；路段平均速度的融合；按照采样周期的时间戳，将融合以后的路段平均速度进行编号排序并储存；基于时间序列预测预测下一个采样周期的路段平均速度；获得下一个采样周期的路段交通拥堵指数；交通运行分级预警通过本发明的交通预警分析，不仅方便用户能自主选择和适时变更更为合适的出行路线，同时交通管理者也可以通过本发明的相关信息进行一些中观和宏观层面的交通规律性研究，以制定一些有针对性的政策方针。本发明的计算过程简洁，客观性强，计算灵活多变而适用面广，预测交通状态判别准确度高。

主权项

一种基于动态交通信息的道路交通分级预警方法，其特征在于包括以下步骤：1)、获取路段平均速度；根据需预警路段的编号，分别从浮动车数据库和微波检测器数据库中提取对应该路段编号的交通平均速度值；2)、路段平均速度的融合；将同一路段编号上浮动车获取的平均速度与微波检测器获取的平均速度，以如下融合计算公式进行融合：v＝ω_fv_a+ω_wv_w式中：v是融合以后的路段平均速度；v_a是通过浮动车获取的路段平均速度；v_w是通过微波检测器获取的路段平均速度；ω_f、ω_w分别是浮动车、微波检测器获取的路段平均速度占的权重,ω_f+ω_w＝1；3)、按照采样周期的时间戳，将2)步骤中得出的融合以后的路段平均速度v进行编号排序并储存；4)、基于时间序列预测预测下一个采样周期的路段平均速度，包含以下子步骤：a、计算基于时间序列的预测的路段平均行程车速；$v_j^{\prime }=(\overline{vt}-\overline{vt})/(\overline{t^2}-{\bar{t}}^2)t_j+\bar{v}-(\overline{vt}-\overline{vt})/(\overline{t^2}-{\bar{t}}^2)\bar{t}$式中：$\bar{v}=1/3(v_{j-1}+v_{j-2}+v_{j-3})$$\bar{t}=1/3(t_{j-1}+t_{j-2}+t_{j-3})$其中：v'_j是用时间序列方法预测得到的第j个采样周期的路段平均行程车速；v是2)步骤中的融合以后的路段平均速度；t是采样周期的编号；v_j‑1是第j‑1个采样周期的路段平均行程车速；v_j‑2是第j‑2个采样周期的路段平均行程车速；v_j‑3是第j‑3个采样周期的路段平均行程车速；t_j‑1是第j‑1个采样周期的编号；t_j‑2是第j‑2个采样周期的编号；t_j‑3是第j‑3个采样周期的编号；b、以如下公式，计算第j个采样周期路段平均行程车速的历史数据平均值：v″_j＝∑v_jh/m其中：v"_j是下一个采样周期路段平均行程车速的历史数据平均值；v_jh是一年之内所有第j个采样周期的路段平均行程车速的历史值；m是一年之内的所有第j个采样周期的路段平均行程车速历史数据的总数量；c、将所述的v_j‑1、v_j‑2、v_j‑3、v'_j作为样本集合X₁，获得样本集合X₁的均值和标准差σ'，计算公式如下：${\bar{v}}^{\prime }=1/4(v_{j-1}+v_{j-2}+v_{j-3}+{v_j}^{\prime });$${\sigma }^{\prime }=\sqrt{1/4[{(v_{j-1}-{\bar{v}}^{\prime })}^2+{(v_{j-2}-{\bar{v}}^{\prime })}^2+{(v_{j-3}-{\bar{v}}^{\prime })}^2+{(v_j^{\prime }-{\bar{v}}^{\prime })}^2]};$d、将所述的v_j‑1、v_j‑2、v_j‑3、v"_j作为样本集合X₂，获得样本集合X₂的均值和标准差σ"，计算公式如下：${\bar{v}}^{\prime \prime }=1/4(v_{j-1}+v_{j-2}+v_{j-3}+v_j^{\prime \prime })$${\sigma }^{\prime \prime }=\sqrt{1/4[{(v_{j-1}-{\bar{v}}^{\prime \prime })}^2+{(v_{j-2}-{\bar{v}}^{\prime \prime })}^2+{(v_{j-3}-{\bar{v}}^{\prime \prime })}^2+{(v_j^{\prime \prime \prime }-{\bar{v}}^{\prime \prime })}^2]}$e、由c子步骤和d子步骤得出的数据，以如下公式获得第j个采样周期周期路段平均行程车速的预测值v_j：若σ'<σ"，则v_j＝v_j'；若σ'≥σ"，则v_j＝v″_j；5)、建立如下的下一个采样周期的路段交通拥堵指数TCI模型，获得下一个采样周期的路段交通拥堵指数p：p＝10*(1‑v_j/v_f)式中：p为下一个采样周期的路段交通拥堵指数；v为路段的平均行程车速；v_f为路段的最大畅行速度，v_f为常量；6)、以5)步骤获得的下一个采样周期的路段交通拥堵指数p,与交通拥堵指数表所划分的拥堵程度判别区间进行比对，获知需预警路段在下一个采样周期的交通拥堵程度，提醒管理者执行相应的预警措施。