專利名稱:一種道路交通流量采集及預(yù)測方法
技術(shù)領(lǐng)域:
本發(fā)明屬于ITS (智能交通系統(tǒng))技術(shù)領(lǐng)域,具體涉及一種道路交通流量數(shù)據(jù)采集裝置的設(shè)計、并可對采集的數(shù)據(jù)進行去噪預(yù)處理和對道路交通流量進行預(yù)測的方法。
背景技術(shù):
交通流量是交通信息中一個重要的參數(shù),交通流量采集及預(yù)測是控制車流出入, 確保道路安全暢通的重要手段,對城市交通控制與管理有著重要的作用和意義。通常,交通流量的獲取是靠各種交通流量檢測設(shè)備來完成的,交通流量檢測設(shè)備以機動車輛為檢測目標,檢測車輛的存在或通過狀況?,F(xiàn)有的交通流量檢測主要有感應(yīng)線圈檢測、微波檢測和視頻檢測等多種方法,其中,感應(yīng)線圈車輛檢測由于其準確度、可靠性高和成本低等優(yōu)點而被廣泛使用。采用感應(yīng)線圈的車流量檢測系統(tǒng)是一種基于電磁感應(yīng)原理的檢測系統(tǒng)。當被檢測車輛通過感應(yīng)線圈時,就會引起線圈回路電感量的變化,檢測系統(tǒng)通過微處理器檢測出這個電感變化量,就能檢測出車輛的通過或存在狀況。通常,檢測電感變化量的方式有兩種 第一種是利用相位鎖存器和相位比較器來檢測相位的變化;另一種是利用耦合振蕩電路對其振蕩頻率進行檢測。第二種方式的耦合振蕩電路設(shè)計簡單,成本更低。傳統(tǒng)的感應(yīng)線圈車流量檢測系統(tǒng)在檢測時存在的缺陷在對多個車道的感應(yīng)線圈進行檢測時,檢測系統(tǒng)采用設(shè)置振蕩電路產(chǎn)生不同振蕩頻率的方法來避免各車道的感應(yīng)線圈間的藕合效應(yīng)。這樣,將對不同環(huán)境下的檢測頻率的設(shè)置有所限制,從而影響檢測精度。道路交通流量的預(yù)測屬于交通信號控制系統(tǒng)的一個重要組成部分,道路交通流量數(shù)據(jù)的準確采集是道路交通流量預(yù)測準確的前提和保證,道路交通流量預(yù)測又是提高交通信號控制系統(tǒng)性能的一個關(guān)鍵。目前,大多數(shù)的交通流量預(yù)測方法,都沒有對交通流量中的噪聲進行處理。而交通流量數(shù)據(jù)本身的振蕩性就比較大,傳統(tǒng)的數(shù)據(jù)處理方法對噪聲數(shù)據(jù)的處理都是對相對平穩(wěn)的信號進行處理的,因此使用傳統(tǒng)的方法將使得大量的真實數(shù)據(jù)被剔除,造成對預(yù)測效果產(chǎn)生更大的影響。目前,常用的預(yù)測方法有kalman濾波、非參數(shù)回歸、人工神經(jīng)網(wǎng)絡(luò)以及支持向量機等多種方法。在這些方法中,大多數(shù)是針對固定時間間隔(5 10分鐘)的短時交通流量預(yù)測,數(shù)據(jù)平穩(wěn)度大于以交叉路口信號周期為時間間隔采集的數(shù)據(jù),預(yù)測的方法相對簡單。 所以,在實際的應(yīng)用中就會造成預(yù)測精度不高、運算時間長等問題,使其難以應(yīng)用在道路交通信號控制系統(tǒng)中。
發(fā)明內(nèi)容
本發(fā)明為了解決上述問題,提出一種對多車道的感應(yīng)線圈進行逐個掃描的道路交通流量采集裝置及預(yù)測的方法,獲得規(guī)定周期內(nèi)的車流量、平均車速、占有率和交通密度等道路交通參數(shù),實現(xiàn)對道路交通流量的預(yù)測,提高數(shù)據(jù)采集和預(yù)測的準確性。本發(fā)明專利的技術(shù)方案如下
一種道路交通流量采集與預(yù)測方法,包含交通流量采集和交通流量數(shù)據(jù)預(yù)處理與預(yù)測兩部分;其特征在于包括以下步驟(1)交通流量采集將道路交通流量采集裝置中的環(huán)形感應(yīng)線圈通過饋線與車輛檢測模塊的輸入端相連,車輛檢測模塊的輸出通過RS-485串口與交通流量采集模塊的輸入相連,并得到道路交通流量數(shù)據(jù);交通流量采集模塊的輸出通過RJ-45網(wǎng)絡(luò)接口與上位機(PC機)相連,將采集到的交通流量數(shù)據(jù)提供給上位機進行預(yù)處理及交通流量的預(yù)測;(2)交通流量數(shù)據(jù)預(yù)處理與預(yù)測在上位機中,預(yù)處理模塊采用小波分析結(jié)合最小二乘法實現(xiàn)對采集數(shù)據(jù)中的異常數(shù)據(jù)進行剔除;預(yù)測模塊采用改進的BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對交通流量的預(yù)測a)交通流量數(shù)據(jù)預(yù)處理首先將采集到的交通流量數(shù)據(jù)進行2層DB4小波分解, 把分解后的2層低頻分量進行完全重構(gòu),以此重構(gòu)序列為依據(jù),作為異常數(shù)據(jù)剔除的基準線;然后將原始交通流量序列與基準線即重構(gòu)序列求得絕對差值序列,再結(jié)合最小二乘法找出絕對差值序列中出現(xiàn)異常的位置定為原始交通流量序列的異常點,使用原始數(shù)據(jù)中的前后平均值加以修復(fù);b)交通流量預(yù)測采用變步長算法來彌補傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺陷,對傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)進行改進,在改進的BP神經(jīng)網(wǎng)絡(luò)中,以預(yù)測斷面自身的歷史數(shù)據(jù)為BP神經(jīng)網(wǎng)絡(luò)的輸入,預(yù)測斷面的下一個時段的流量為輸出來訓練網(wǎng)絡(luò),將訓練好的網(wǎng)絡(luò)作為交通流量預(yù)測模型。本發(fā)明提供了一種道路交通流量采集裝置,包括感應(yīng)線圈、車輛檢測模塊、交通流量采集模塊三部分。車輛檢測模塊的輸入端通過饋線與感應(yīng)線圈相連,其輸出通過RS-485串口與交通流量采集模塊的輸入相連,將檢測到的有無車輛通過的狀態(tài)信號傳輸給交通流量采集模塊進行處理,從而得到交通流量數(shù)據(jù)。交通流量采集模塊的輸出通過網(wǎng)絡(luò)接口與上位機(PC機)相連,并將采集到的交通流量數(shù)據(jù)提供給上位機進行預(yù)處理及交通流量預(yù)測。在上位機運行的軟件中,首先將交通流量數(shù)據(jù)采集裝置采集的數(shù)據(jù)進行預(yù)處理, 之后再對交通流量數(shù)據(jù)進行預(yù)測。所述的交通流量數(shù)據(jù)預(yù)處理部分首先將采集的交通流量數(shù)據(jù)作為一個序列S, 用DB4小波進行分析,對其進行二層小波分解;將分解后的2層低頻分量%進行完全重構(gòu); 以重構(gòu)序列Sra為依據(jù),用原始序列與其求得一個絕對差值序列d。d(i) = S(i)_Srec(i),i = 1,2,...,N (1)再使用最小二乘法找出這個差值序列中的異常數(shù)據(jù)位置,先求出差值序列的標準
權(quán)利要求
1.一種道路交通流量采集與預(yù)測方法,包含交通流量采集和交通流量數(shù)據(jù)預(yù)處理與預(yù)測兩部分,其特征在于(1)交通流量采集將道路交通流量采集裝置中的環(huán)形感應(yīng)線圈通過饋線與車輛檢測模塊的輸入端相連, 車輛檢測模塊的輸出通過RS-485串口與交通流量采集模塊的輸入相連,并得到道路交通流量數(shù)據(jù);交通流量采集模塊的輸出通過RJ-45網(wǎng)絡(luò)接口與上位機(PC機)相連,將采集到的交通流量提供給上位機進行數(shù)據(jù)預(yù)處理及交通流量的預(yù)測。(2)交通流量數(shù)據(jù)預(yù)處理與預(yù)測在上位機中,預(yù)處理模塊采用小波分析結(jié)合最小二乘法實現(xiàn)對采集數(shù)據(jù)中的異常數(shù)據(jù)進行剔除;預(yù)測模塊采用改進的BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對交通流量的預(yù)測a)交通流量數(shù)據(jù)預(yù)處理首先將采集到的交通流量數(shù)據(jù)進行二層DB4小波分解,把分解后的二層低頻分量進行完全重構(gòu),以此重構(gòu)序列為依據(jù),作為異常數(shù)據(jù)剔除的基準線然后將原始交通流量序列與基準線即重構(gòu)序列求得絕對差值序列,再結(jié)合最小二乘法找出絕對差值序列中出現(xiàn)異常的位置定為原始交通流量序列的異常點,使用原始數(shù)據(jù)中的前后平均值加以修復(fù);b)交通流量預(yù)測采用變步長算法彌補傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺陷,對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進行改進,在改進的BP神經(jīng)網(wǎng)絡(luò)中,以預(yù)測斷面自身的歷史數(shù)據(jù)為BP神經(jīng)網(wǎng)絡(luò)的輸入, 預(yù)測斷面的下一個時段的流量為輸出來訓練網(wǎng)絡(luò),將訓練好的網(wǎng)絡(luò)作為交通流量預(yù)測模型。
2.根據(jù)權(quán)利要求1所述的道路交通流量采集與預(yù)測方法,其特征在于所述車輛檢測模塊依據(jù)實際路口的車道數(shù)通過饋線連接相應(yīng)個數(shù)的環(huán)形感應(yīng)線圈。
3.根據(jù)權(quán)利要求1所述的道路交通流量采集與預(yù)測方法,其特征在于交通流量采集模塊依據(jù)實際路口的車道數(shù)通過RS-485串口連接相應(yīng)個數(shù)的車輛檢測模塊。
4.根據(jù)權(quán)利要求1所述的道路交通流量采集與預(yù)測方法,其特征在于道路交通流量采集裝置可將采集到的交通流量數(shù)據(jù)按規(guī)定周期存儲在大容量SD卡中,為后期的交通流量數(shù)據(jù)處理、預(yù)測提供方便。
5.根據(jù)權(quán)利要求1所述的交通流量數(shù)據(jù)預(yù)處理方法,其特征在于所述交通流量數(shù)據(jù)預(yù)處理的具體方法是將采集的交通流量數(shù)據(jù)作為一個序列S,用DB4小波進行分析,對其進行二層小波分解;將分解后的二層低頻分量%進行完全重構(gòu);以重構(gòu)序列Sra為依據(jù),用原始序列與其求得一個絕對差值序列d d(i) = S(i)-Srec(i), i = 1,2, ...,N (1)再使用最小二乘法找出這個差值序列中的異常數(shù)據(jù)位置,先求出差值序列的標準差
6.根據(jù)權(quán)利要求1所述的交通流量數(shù)據(jù)預(yù)處理方法,其特征在于所述交通流量預(yù)測的具體方法是以步長Π算法來彌補傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺陷,在訓練過程中,當網(wǎng)絡(luò)誤差e增大,減小步長以減小誤差,誤差膨脹系數(shù)α取值為0.8。 n (π) = α X n (n-1) (4) 式中,η (n)表示第n次迭代時的步長。當網(wǎng)絡(luò)誤差減小時,增大步長以加快收斂速度,誤差收縮系數(shù)β取值為1.25。 n (n) = β X n (n-1) (5)以預(yù)測斷面的5個歷史數(shù)據(jù)為BP神經(jīng)網(wǎng)絡(luò)的輸入,預(yù)測斷面下一個時段的流量值為網(wǎng)絡(luò)的輸出,對網(wǎng)絡(luò)進行訓練;網(wǎng)絡(luò)訓練好后,以預(yù)測前的5個歷史數(shù)據(jù)為輸入,以網(wǎng)絡(luò)響應(yīng)值作為流量預(yù)測值。
全文摘要
一種道路交通流量采集及預(yù)測方法,包括環(huán)形感應(yīng)線圈、車輛檢測模塊、交通流量采集模塊、交通流量數(shù)據(jù)預(yù)處理和預(yù)測,道路交通流量數(shù)據(jù)預(yù)處理和預(yù)測軟件在上位機(PC機)上進行,并通過網(wǎng)絡(luò)接口讀取采集模塊(SD卡)中的交通流量數(shù)據(jù)。為提高預(yù)測的可靠性,在道路交通流量數(shù)據(jù)預(yù)處理和預(yù)測方法中,首先采用小波分析結(jié)合最小二乘法對交通流量數(shù)據(jù)進行噪聲剔除;然后采用改進的BP神經(jīng)網(wǎng)絡(luò)建立交通流量預(yù)測模型,實現(xiàn)對交通流量的預(yù)測,為優(yōu)化道路交通的控制配時方案和道路交通規(guī)劃提供依據(jù)。本發(fā)明可獲得規(guī)定周期內(nèi)的車流量、平均車速、占有率和交通密度等道路交通參數(shù),從而實現(xiàn)對道路交通流量的預(yù)測,提高數(shù)據(jù)采集和道路交通流量預(yù)測的準確性。
文檔編號G08G1/01GK102496284SQ20111043943
公開日2012年6月13日 申請日期2011年12月24日 優(yōu)先權(quán)日2011年12月24日
發(fā)明者劉林佳, 易良友, 李志敏, 黃凱梁 申請人:重慶大學