一种基于高速公路ETC数据的四阶段法交通量预测及存储方法与流程

本发明属于高速公路交通量预测，具体涉及一种基于高速公路etc数据的四阶段法交通量预测及存储方法。

背景技术：

1、随着交通业的快速发展，高速公路日渐扩展、公路等级和路网整体水平不断提高、道路布局不断完善，路网结构与内部关系也愈加复杂，道路规划和道路管理问题日益凸显，如果不进行合理的道路规划，必将严重削弱公路系统运行的整体效能。

2、交通量分析与预测是交通规划的重要组成部分，通过交通量预测不仅可以避免工程上因盲目投资引起的决策失误，而且可为交通量现状评价、国民经济评价以及项目建设提供依据，在公路网的规划与管理方面有着至关重要的作用。

3、现有技术常见的交通量预测方法主要基于四阶段法，交通四阶段法是以居民出行调查为基础，由交通生成、交通分布、交通方式划分和交通量分配四个阶段组成，这种方法虽然可以为交通规划提供一定参考，但存在着调查手段落后、数据精度差、应用范围小等缺点，不可避免的导致交通量预测出现数据误差显著、数据内容不全、数据粒度较粗的问题。

4、随着计算机技术与神经网络等技术的不断发展。2005年，anderson?m基于聚类分析法与多元线性回归方法，对受经济发展影响的交通量进行预测。2009年，ghods?a?h等人基于特征匹配建立了道路交通量预测模型?；诖?，国内基于od(origin-destination，起终点)调查开展了系列交通量预测研究，2003年，郭郴生等人基于遗传神经网络模型，综合社会经济等因素，实现交通量较为准确的预测。2003年，王增兵等基于神经网络实例分析的基础上，对铁路货物量进行预测。

5、上述研究表明，目前针对交通量预测方法较传统在精度有了显著提升，但现有方法大多适用于短时交通量预测，无法指导公路建设项目规划与道路管理，存在着调查范围有限、数据采集手段落后、数据分析能力不足、数据存储效率低的问题。

6、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

1、本发明的目的在于提供一种基于高速公路etc数据的四阶段法交通量预测及存储方法，其能够提高交通量预测数据准确性，为后续公路规划与管理提供了可靠基础。

2、为了实现上述目的，本发明一具体实施例实施例提供的技术方案如下：

3、一种基于高速公路etc数据的四阶段法交通量预测方法，包括以下步骤：

4、s1、交通调查，基于历年交通量观测资料和交通量实地观测数据进行交通调查，所述交通调查包括：交通量调查和etc、交调数据调查；

5、s2、od反推，在交通调查的基础上，通过od反推建立交通小区出行分布；

6、s3、交通生成预测，通过历年etc数据、交调数据、社会经济数据对区域地区的交通需求总量进行预测；

7、s4、交通出行分布预测，将交通生成预测获得的总交通量分布至各交通分区；

8、s5、交通方式划分，基于居民出行调查数据，研究出行交通方式，并建立模型预测基础设施或服务等条件变化时，交通出行方式的变化；

9、s6、交通分配，将od交通量分配到具体区域网络中建立交通分配模型，以基于起迄点之间的交通流量的od矩阵作为输入，根据可选路径的出行时间或阻抗，将每个od对间的流量分配到路网。

10、在本发明的一个或多个实施例中，所述s1中交通调查以《公路工程技术标准(jtgb01-2014)》为标准对实地分标准进行划分和调查，所述交通调查基于高速公路etc数据进行交通调查，采用数据库挖掘技术，实现各地出行量、客车比重、火车比重参数的自动获取。

11、在本发明的一个或多个实施例中，所述历年交通量观测资料包括：连续式观测站观测数据、间歇式观测站观测数据、车型比例、aadt变化趋势、第30位高峰小时交通量、交通量周边系数、交通量月变系数。

12、在本发明的一个或多个实施例中，所述交通量实地观测包括：路段交通量、高峰小时流量比、日交通量时变特征、交通组成、方向不均系数、昼夜不均系数，所述etc和交调数据包括：各交通小区出行量、区内出行构成、区外出行构成、过境出行构成、机动车载运特性、客车比重、火车比重。

13、在本发明的一个或多个实施例中，所述s3中交通生成方法采用弹性系数法，所述弹性系数公式为：

14、

15、基于弹性系数，预测交通需求增长速度的公式为：

16、d＝g·e

17、式中，d为交通小区影响区域的交通量增长速度；g为交通小区影响区域的兰州新区生产总值增长速度；e为弹性系数；

18、根据交通量增长速度预测结果，预测各区域地区客货发生、吸引交通量的公式为：

19、pin＝pi0(1+di)n

20、式中，为第n年第i区域发生量或吸引交通量；为基年第i区域发生量或吸引量，di为交通量增长速度。

21、在本发明的一个或多个实施例中，所述s4中交通分布预测采用基于弗雷特法的增长系数法，具体模型公式为：

22、

23、

24、

25、

26、

27、式中，qij为第i小区至第j小区未来的每日交通量；q0ij为第i小区至第j小区的每日交通量；fi为第i小区的出行发生增长系数；gj为第j小区出行吸引增长系数；gj为第j小区出行吸引增长系数；q0pi，q0aj为第i小区现状总出行和吸引到j的现状总出行；qpi，qaj为第i小区的未来总出行和吸引到j的未来总出行。

28、在本发明的一个或多个实施例中，所述s5中交通方式划分采用基于随机效应最大化理论的logit模型，所述logit模型的公式为：

29、uij＝x′ijβj+εij

30、式中，uij为出行者i选择出行方式j时的效应；x′ij为自变量集合；εij为截距；βj为系数；

31、假设εij为服从i型极值的独立同分布，则第i个出行者选择方式j的概率公式为：

32、

33、构建多项logit模型，第i个出行者选择方式j时的概率可以进一步表示为：

34、

35、综合增长率预测结果对各特征年交通小区的发生量和吸引量进行预测：

36、

37、一种基于高速公路etc数据的四阶段法交通量预测存储方法，包括：存储系统框架，所述存储系统框架用于对交通量预测数据进行预处理、定位与存储，所述存储系统框架由分布式数据处理节点和中心管理节点两部分组成。

38、在本发明的一个或多个实施例中，所述分布式数据处理节点用于对数据缓冲区数据进行处理，所述分布式数据处理节点由数据清洗、构建索引和数据入库三部分组成。所述数据清洗是利用spark并行计算对交通流数据进行加载与清洗，所述构建索引是利用hbase的混合时空编码行键，所述数据入库是基于hbase集群数据库对有效数据及对应的行键进行分布式存储。

39、在本发明的一个或多个实施例中，所述中心管理节点由语义解析器、逻辑优化器和查询计划生成器三部分组成。

40、与现有技术相比，本发明综合利用高速公路etc数据、社会经济发展数据、土地利用数据以四阶段法和交通总量控制法为基础，基于区域路网现状和总体规划，预测区域未来特征年的平均年通行量，解决了传统交通调查存在布设要求高、消耗资源多的问题，为道路规划提供科学依据，避免盲目投资引起的决策失误；

41、通过设置交通流数据预处理与存储系统框架，实现了交通量数据的有效存储，大大提高了交通流数据库存储高效性、数据挖掘便捷性和交通流数据预测模型精度，为交通管理提供有力支撑，有助于提高道路交通通行效率。