买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福建省高速公路科技创新研究院有限公司;福州京福高速公路有限责任公司

摘要：本发明涉及交通拥堵预警技术领域，尤其为一种基于交通参数短时预测的拥堵预警方法，由交通参数预测以及拥堵等级判断两部分组成；其中，交通参数预测部分考虑了时空特性，并采用基于TPE的贝叶斯优化方法对LSTM的超参数进行优化，相比于原始LSTM模型以及其它典型网络模型具有更好的预测性能，拥堵判断部分采用了基于多指标的模糊评价算法，该算法利用五点法对隶属度函数进行了合理设置，并基于熵权法对交通指标进行赋权，实现对实际交通拥堵情况进行合理评价，本方法，在拥堵预测上可以达到较高的预测准确率，可在路段拥堵前发出预警信息，可以为后续的交通管控以及流量诱导提供合理的依据。

主权项：1.一种基于交通参数短时预测的拥堵预警方法，其特征在于：包括以下步骤：步骤S1、基于TPE-LSTM进行交通参数短时预测，包括建立模型结构和数据预处理；其中，模型结构包含1个输入全连接层、两个LSTM层以及一个输出全连接层，模型输入特征采用交通参数的时空特性，时间上采用当前时刻到前30分钟的历史交通数据，且数据采样周期为5分钟，共7个时间点，空间上采用目标当前位置以及前后200m、400m处的交通数据，共采集5个位置，假设时刻为当前时刻，则时刻输入特征可以表示为： ；式中，代表交通参数，即交通流量或平均速度，代表当前位置之前，代表当前位置之后，右下角数字代表距当前位置距离，模型输出为5分钟后的交通参数；数据预处理具体流程包括以下步骤：步骤S11、数据修复：删除相同时间点上的重复数据，并且使用线性插值法补充缺失时刻的流量或速度数据；步骤S12、划分数据集：将数据集以7：1.5：1.5的比例划分训练集、验证集以及测试集，训练集用于对网络进行训练，验证集用于对网络进行优化，测试集用于衡量模型的性能；步骤S13、归一化处理：数据归一化分别将流量和速度线性映射到0到1的区间内，消除量纲之间数量级的差异对模型的影响，加快模型的收敛速度；步骤S2、超参数优化；采用基于TPE的贝叶斯优化方法对模型进行调参，获取最优的超参数组合；步骤S3、超参数优化完毕后，将训练集和验证集合并，在得到的最优的超参数组合下对模型进行重新训练，最后在测试集中验证模型预测性能；步骤S4、利用熵值法对模糊拥堵等级评价，具体操作为：步骤S41、建立因素集和评价集；步骤S42、隶属度函数确定；所述隶属度函数确定包括以下步骤：步骤S421、确定隶属度函数的整体结构：模糊概念只集中于局部区域，因此，对于缓行、轻度拥堵、中度拥堵、重度拥堵这四个拥堵等级选用三角形作为隶属度函数整体结构，对于两侧的拥堵等级畅通、堵死则采用半三角形作为隶属度函数结构；步骤S422、确定隶属度：确定拥堵等级所对应相应指标的取值范围，将该取值范围的中点认为是最符合该拥堵等级的数值，即隶属度为1；将两个相邻拥堵等级对应取值范围的中点确定为是完全不符合该等级的数值，即隶属度设为0，两个相邻拥堵等级与当前拥堵等级取值范围的交界点是最模糊的点，这两个点的隶属度设置为0.5；步骤S423、利用插值法拟合隶属度函数：对于中间四个等级，每个等级都可以获取5个离散点，根据这5个离散点即可使用插值法得到三角形结构的隶属度函数；假设隶属度函数满足： ；其中，，均为线性函数，且满足，，此时，均被确定，和的取值区间为[0，1]，且，和为隶属度等于0.5的点，具体的设置方法是取拥堵等级取值范围的交界点，因为这个点是最模糊的，所以隶属度为0.5，随后根据即可确定，取值为： ； ；对于畅通或中断这两个等级则只能获得3个离散点，利用上述插值法形成半三角形结构的隶属度函数，后分别对平均速度、密度以及饱和度设置隶属度函数，得到隶属度函数后获取不同观测值下的判断矩阵；步骤S43、从原始数据中以速度作为标准将所有数据划分为评价集中的六个等级，并对每个等级的数据进行随机抽样，抽样的数量为所有六个等级数据量的最小值，最终根据熵值法计算步骤得到平均速度、密度以及饱和度所对应的权重向量；步骤S44、在得到判断矩阵以及权重向量后，得到综合三个指标后当前预测的交通状态对6种拥堵等级的隶属度矩阵为： ；选择隶属度最大的拥堵等级作为最终的拥堵预测，当拥堵预测的等级超过设置预警的等级时，生成预警数据进行发送，实现对交通的拥堵预警。

全文数据：

权利要求：

百度查询： 福建省高速公路科技创新研究院有限公司 福州京福高速公路有限责任公司 一种基于交通参数短时预测的拥堵预警方法