基於路段od反推的實時交通流分布預測系統的製作方法

2023-05-25 10:32:31

基於路段od反推的實時交通流分布預測系統的製作方法
【專利摘要】本發明公開了一種基於路段OD反推的實時交通流分布預測系統，用於預測實時的路段出行、吸引交通量，並進行實時交通流分配。本發明的優點在於：將目前分散的交通小區劃分、交通小區交通量預測、OD交通量實時預測、路段流量分配進行了系統的整合，構建基於路網的交通小區劃分方法和實時交通流分布的預測系統，將出行起訖點和交通量分配的知識和技術進行了有機的結合，從軟體角度進行了實現。
【專利說明】基於路段OD反推的實時交通流分布預測系統

【技術領域】
[0001]本發明涉及智能交通【技術領域】，尤其是涉及一種路網交通的發生與吸引量的實時預測系統。

【背景技術】
[0002]伴隨著智能交通系統在智慧城市建設和管理中的廣泛應用和實時信息系統的日益發展，交通管理逐漸形成智能性、數據性、實時性的特點。交通管理部門和研究機構獲取大量的實時交通數據，並將其應用於實時路況等交通管理領域。大量的交通信息數據構建歷史資料庫，為交通管理者和研究人員提供重要的數據支持。為了進行有效的交通管理並且為出行者提供準確的道路交通信息，需要基於實時交通信息進行準確的交通生成和吸引量預測。基於實時交通數據進行短時的交通出行和吸引量預測有助於交通分布預測，這是進行交通管理和規劃的重要部分。
[0003]目前交通出行與吸引量的預測多通過交通調查，根據各個交通小區的人員構成、機動車保有率等因素推算交通小區的出行量與吸引量。首先，大樣本量的交通調查需要大量的時間和資金投入；其次，劃分交通小區的範圍和依據不同會造成預測的不準確，並且交通小區的預測無法與交通路網進行合理匹配，預測結果與實際情況有所出入；第三，基於靜態的調查和預測難以反映實時交通流狀態和進行較準確的短時交通流預測。


【發明內容】

[0004]為了克服上述現有技術的不足，本發明提供了一種基於路段OD反推的實時交通流分布預測系統，是基於交通小區劃分進行的實時OD分配的交通出行和吸引量的預測系統，用於提高出行分布預測的準確性。
[0005]為了實現上述目的，本發明所採用的技術方案是:
[0006]本發明是對「基於路段的交通小區劃分、基於路段交通小區的交通量短時預測、OD交通量實時預測、路段流量分配」進行了系統的整合，構建基於路段的交通小區劃分方法和實時交通流分布的預測系統，實現對出行OD對之間實時交通量的預測，並進一步按照最短路徑分配的方法，將OD對之間的實時預測交通量分配到路網的各個路段中，得到實時預測交通流分布情況。
[0007]—種基於路段OD反推的實時交通流分布預測系統，包括以下步驟:
[0008]1.1、將交通網絡中每條路段視為交通小區，對採集的交通信息(浮動車GPS數據)進行OD提取和路段匹配；
[0009]1.2、根據預測時刻，在歷史的浮動車OD交通量資料庫中選取某幾天該預測時刻前後各半個小時的OD數據，並將其進行平均計算，將計算結果作為基礎OD矩陣，代入OD矩陣中；
[0010]1.3、根據預測時刻，選取該天預測時刻前兩個時刻的OD交通量數據，對其進行一次移動的時間序列方法，得到預測時刻各個交通小區(路段)0、D的交通量預測值，並將其作為每個O、D的匯總預測值代入OD矩陣中；
[0011]1.4、根據平均增長係數法對出行OD矩陣進行反推，得到預測時間下OD對之間的交通量；
[0012]1.5、按照最短路徑的算法，對預測OD交通量進行交通流分配，得到實時的路段交通流預測。
[0013]與現有技術相比，本發明的有益效果是:將路段視為交通小區，可以解決目前交通小區出行、吸引交通量與路網匹配不良的問題，同時，可以縮減交通小區調查的成本，通過實時交通數據得到交通小區之間出行、吸引的交通量，解決實時交通分配預測問題。

【專利附圖】

【附圖說明】
[0014]圖1為本發明公開方法的流程圖。
[0015]圖2為採用本發明的交通小區劃分方法對廣州市番禺區的路網打斷與OD提取示意圖。
[0016]圖3為0-1分配法流程圖。
[0017]圖4為增量分配法流程圖示意圖。
[0018]圖5為連續平均法流程圖。

【具體實施方式】
[0019]下面結合附圖對本發明進一步說明。
[0020]本發明的技術流程如附圖1所示，包括基於路段的交通小區的劃分、資料庫的構建、實時OD交通量預測、實時交通流分配四個步驟。
[0021]1.1、基於路段的交通小區劃分:
[0022]傳統的交通四階段模型的單元是交通小區，本發明將路段代替交通小區作為四階段模型的單元，對整個區域的路段，按照有交叉口就打斷的原則將區域的路網打斷為更小單元的路段。將交通小區改為基於路段，以此服務於後面的OD反推和交通分配。具體算法流程如下:
[0023]選取研究的基礎路網，按照交叉口處打斷和轉彎路段道路中心線夾角小於150°的轉角處打斷的原則，將區域路網打斷成更小尺度的路段，打斷後的路段將代替交通小區，對其進行編號並將其作為四階段模型統計OD出行量的最小單元。傳統的OD矩陣都是以交通分析小區為分析單元，這樣在進行路徑選擇做交通流分配的時候需要把每個交通小區的交通流匹配到對應的路網上，這個過程會引入誤差。在本實施例中直接採用路段作為OD矩陣的分析單元，可以避免在這一過程中弓I入系統誤差。
[0024]1.2、資料庫的構建:
[0025]資料庫的構建是基於對GPS數據進行實時OD提取、路段匹配和基於路段的OD匯總統計三部分。
[0026]①實時O、D提取:首先對GPS數據按照車輛編號和日期、時間進行排序，然後根據GPS數據中載客狀態欄位的變化來判斷O點或者D點，例如:載客狀態中I為載重，O為空載，則當同一輛車的載客狀態由I變為O時，為D ;當同一輛車的載客狀態由O變為I時，為O ;當找到O點時，則往下找到相應的D點；當找到D點時，則回溯找到相應的O點，以此匹配OD點對。
[0027]②路段匹配:將提取出來的O、D點轉換為shapefile點格式，採用最近路段的方法匹配路段，即尋找到GPS點最近的路段，並將路段編號賦值給GPS點。
[0028]③基於路段的OD匯總統計:對匹配好路段的GPS OD點，對路段編號進行匯總統計，對載客狀態進行計數統計，得到基於路段的O、D矩陣。
[0029]I.3、實時OD交通量預測:
[0030]實時OD交通量預測分為三步:第一，根據歷史數據確定基礎OD矩陣；第二，根據實時數據確定OD矩陣預測值；第三，OD反推估算預測時刻的OD交通量。
[0031]①根據歷史數據確定基礎OD矩陣
[0032]基於預測時間點的歷史數據與歷史路網交通量的比例關係，進行預測。如要預測早上8:00路網中各個OD對之間的交通量，通過提取路網各個OD對在8:00的歷史交通量，並將其平均值作為歷史數據，帶入OD矩陣中。
[0033]②根據實時數據確定OD矩陣預測值
[0034]基於線性系統理論的預測方法主要包括:線性統計回歸、歷史趨勢法、時間序列預測方法、卡爾曼濾波預測方法、指數平滑預測方法和自適應權重預測模型方法等。本實施例以時間序列預測方法——一次移動平均法為例進行短時交通流預測。
[0035]設X1, x2，x3，…，XnS特定的O點，以t為時間間隔，每段時間內的生成交通量，或者特定的D點，以t為時間間隔，每段時間內的吸引交通量。
[0036]因此，它為一個時間序列，樣本容量為η。
[0037]移動平均法的公式如下:

【權利要求】
1.一種基於路段OD反推的實時交通流分布預測系統，其特徵在於，包括以下步驟: 51.將交通網絡中每條路段視為交通小區，即OD矩陣中的O和D; 52.根據獲取的計程車GPS數據載客狀態欄位，判斷出行的OD對，進行出行OD點提取，並將提取的OD點與交通小區進行路段匹配，進而匯總得到各個交通小區OD對之間的交通量; 53.根據步驟S2得到的交通小區OD對之間交通量的匯總，構建歷史OD交通量資料庫； 54.根據預測時刻，在歷史OD交通量資料庫中選取某幾天該預測時刻周圍一定範圍內的OD數據，並將其進行平均計算，將計算結果作為基礎OD矩陣，代入OD矩陣中； 55.根據預測時刻，選取該天預測時刻前幾個時刻的OD交通量數據，按照時間序列方法對其進行移動，得到預測時刻各個交通小區0、D的交通量預測值，並將其作為每個0、D的匯總預測值代入OD矩陣中； 56.根據步驟S4和S5計算得到的基礎OD矩陣和0、D匯總預測值，採用平均增長係數法對OD矩陣進行反推，得到預測時刻的各個OD對之間的交通量分配； 57.採用最短路徑分配的算法，將各個OD對之間的實時預測交通量分配到路網的各個路段上，得到該預測時刻路網中各個路段的實時交通量分配預測。
2.根據權利要求1所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟SI是將路網中各個路段按照交叉口以及路段夾角小於150°打斷，並將打斷後的各路段作為交通小區。
3.根據權利要求2所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟S2判斷出行的OD對的方法為:對GPS數據按照車輛編號和日期、時間進行排序，然後根據GPS數據中載客狀態欄位的變化來判斷O點或者D點，當同一輛車的載客狀態由載重變為空載時，為D ;當同一輛車的載客狀態由空載變為載重時，為O ;當找到O點時，則往下找到相應的D點；當找到D點時，則回溯找到相應的O點，以此匹配OD點對。
4.根據權利要求3所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟S2中將提取的OD點與交通小區進行路段匹配，匯總得到各個交通小區OD對之間的交通量的具體過程為:將提取出來的O、D點轉換為shapefile點格式，採用最近路段的方法匹配路段，即尋找到GPS點最近的路段，並將路段編號賦值給GPS點:對匹配好路段的GPS OD點，對路段編號進行匯總統計，對載客狀態進行計數統計，得到基於路段的O、D矩陣。
5.根據權利要求4所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟S5中根據預測時刻，選取該天預測時刻前兩個時刻的OD交通量數據，對其進行一次移動的時間序列方法，得到預測時刻各個交通小區O、D的交通量預測值。
6.根據權利要求5所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，對其進行一次移動的時間序列方法，具體是採用一次移動平均法，具體為: 設X1, X2, X3,…，XnS特定的O點，以t為時間間隔，每段時間內的生成交通量，或X1,X2, X3,…，Xn為特定的D點，以t為時間間隔，每段時間內的吸引交通量； 因此,它為一個時間序列,樣本容量為η ； 移動平均法的公式如下: Μ⑴=+ 尤r—I +...+叉r—漢+1 , TyN TN其中，N為每次移動平均包含的數據個數；Mf1為第T期的一次移動平均值； 當時間序列沒有明顯的周期變化和趨勢變化，用第T期的一次移動平均值作為第T+1期的預測值\+1，即:
7.根據權利要求6所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟S6中採用平均增長係數法對OD矩陣進行反推的具體過程為: 第一步，令計算次數m = O ; 第二步，給定現狀OD表中<'、;'O及將來OD表中的UpVj ; 其中<表示第m次計算時，交通小區i到交通小區j之間的交通量； O；"表示第m次計算時，第i個交通小區發生交通量； W表示第m次計算時，第j個交通小區的吸引交通量； Ui表示將來OD表中的發生交通量； Vj表示將來OD表中的吸引交通量； 第三步，求出各小區的發生交通量的增長率與吸引交通量的增長率;
Foi =UiJor
Fm = V Iiyn
rDj - y JluJ 第四步，求第m+1次分布交通量的近似值<+1 ； qt l=q；xf(F^,F-) 第五步，收斂判別，判別公式為:
式中，Ui表示將來OD表中的發生交通量； Vj表示將來OD表中的吸引交通量； Foi表示第i個小區的第m次計算發生增長係數； 廠g示第j個小區的第m次計算吸引增長係數；/(%，％)是增長係數的迭代方式，與每種方法有關； ε表示任意給定的誤差常數； 根據函數/(FJh的種類不同，增長係數法分為常增長係數法、平均增長係數法、底特律法、福萊特法或佛尼斯法。
8.根據權利要求7所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，所述增長係數法採用平均增長係數法，其平均增長係數表示如下:
9.根據權利要求8所述的基於路段OD反推的實時交通流分布預測系統，其特徵在於，步驟S7是採用0-1分配法、增量分配法、連續平均法三種非平衡分配算法開發動態交通流分配模型，將新的實時OD交通量分配到路網，其具體過程為: 其中0-1分配法，是計算網絡中每個OD對之間的最短路徑，將OD間的交通量全部分配到相應的最短路徑上； 增量分配法，是將OD交通量平分成若干等份，循環地將每一等份的OD交通量分配到網絡中；每次循環分配一等份的OD交通量到相應的最短路徑上，每分配一次就重新計算並更新各路段的行走時間，然後按更新後的走行時間重新計算網絡各OD間的最短路徑；下一循環中按更新後的最短路徑分配下一等份的OD交通量； 連續平均法，不斷調整已分配到各路段上的交通量而逐漸接近或到達平衡分配，在每步循環中，根據已分配到各路段上的交通量進行一次0-1分配而得到一組各路段的附加交通量；然後用上個循環中各路段的分配交通量和本次循環中得到的附加交通量進行加權平均而得到本次循環中的路段分配交通量；當相鄰兩個循環中的分配交通量等於定值時，即可停止計算；最後一個循環中得到的分配交通量即是最終的交通量。
【文檔編號】G06Q10/04GK104183119SQ201410410008
【公開日】2014年12月3日 申請日期:2014年8月19日 優先權日:2014年8月19日
【發明者】周素紅, 柳林, 楊靖芸, 郝新華, 陳建國, 肖露子 申請人:中山大學