申请/专利权人：华南理工大学

申请日：2024-02-26

公开（公告）日：2024-06-25

公开（公告）号：CN118247947A

主分类号：G08G1/01

分类号：G08G1/01;G08G1/048;G06Q10/0635;G06Q10/04;G06Q50/40;G06N3/0442;G06N3/048;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明提供了一种基于积水风险预测等级的路段速度多步预测方法，该方法包括：S1、构建积水网络；S2、构建积水风险区间，构建网格积水风险样本案例库；S3、进行候选输入变量共线性分析；S4、得到积水风险分类等级以及积水风险值，并最终与矢量路网相交，得到细粒度的路段积水风险值；S5、建立带有降雨天气的城市路段速度时间长序列数据集；S6、形成模型输入输出数据集；S7、对城市路段速度预测序列进行异常值判别，以检测路段速度在预测时段内的异常波动，对路网状态进行评价。本发明实用性强、适用性广、精度高、鲁棒性强，综合了多种积水影响因素进行分析；预测数值不易受到异常值的影响；可适应不同道路；经测试验证确定了分析预测的可靠性。

主权项：1.基于积水风险预测等级的路段速度多步预测方法，其特征在于，包括如下步骤：S1、基于地图数据，提取路网特征及地面特征数据，结合降雨数据构建降雨数据集以及带有降雨天气的城市路段速度时间长序列数据集，构建积水网络；S2、将积水风险点列表数据与地图结合，构建积水风险区间，并将当日降雨量与当日最大N小时降雨量作为基于集成插值法的降雨量输入模型，所得的网格降雨量估计值输入积水风险预测模型，构建网格积水风险样本案例库；S3、SMOTE过采样，通过在特征空间进行线性插值，将样本量稀少的中高风险网格数量扩样至与低风险相同，解决样本类别不平衡问题，并将不同时长降雨量、道路交叉点类型、路段线形、路段密度、路段级配及地表覆盖区域类型及高程数据作为积水风险预测模型的候选变量，并进行候选输入变量共线性分析；S4、运用基于SMOTE均衡以及Logistic回归的模型计算得到积水风险分类等级以及积水风险值，并最终与矢量路网相交，得到细粒度的路段积水风险值；S5、建立带有降雨天气的城市路段速度时间长序列数据集，根据数据集提取路段速度序列的趋势分量作为速度预测模型因变量，以分解得到的路段速度序列周期分量，结合降雨数据集中各路段所在位置处的降雨量与积水风险值，再合并统计得到的路段以及路段所在网格的路网特征值作为自变量；S6、基于滑动窗口重构趋势路段速度序列以及对应的特征值序列，融合路段积水风险值、路段趋势速度与均值速度值、路网特征值的静态准静态数据，形成速度预测模型输入输出数据集；S7、使用基于时段的以及基于路段的两种输入数据集划分方式，分别进行数据集滑动重构并进行随机划分得到训练集与测试集，训练集输入LSTM网络并通过Adam优化器进行更新迭代，最后使用训练后的对测试集进行预测，随机重复多次划分过程，计算各次建模得到误差指标的均值用于评价模型表现，并利用IQR算法对城市路段速度预测序列进行异常值判别，以检测路段速度在预测时段内的异常波动，对路网状态进行评价。

全文数据：

权利要求：

百度查询： 华南理工大学 基于积水风险预测等级的路段速度多步预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD